一种基于特征点时间序列分段线性表示.pdfVIP

一种基于特征点的时间序列分段线性表示1 吴 德 河海大学计算机及信息工程学院，南京(210098) E-mail : wdcc12@ 摘 要：时间序列是一种重要的数据对象，在现实世界许多领域广泛存在。由于时间序 列海量和复杂的数据特点，直接在时间序列上进行数据挖掘不但在存储和计算上要花费高昂 代价，而且可能会影响算法的准确性和可靠性。借鉴时间序列线性分段的基本思想，提出了 一种基于特征点的分段线性表示。不但可以压缩数据，去除噪声，还能得到时间序列的模式 变化特征。与一般的分段线性表示相比，该方法与原始时间序列之间的拟合误差更小，具有 较强的适应性，能应用于不同的数据特征环境。 关键词：时间序列 模式表示 特征点 线性分段 中图分类号：TP311 1.引言 时间序列是一类重要的数据对象，在经济、水文、气象等许多应用领域广泛存在。对这 些数据进行分析，可揭示事物变换和发展规律，为科学决策提供依据。鉴于时间序列的维数 高、数据量大以及噪声干扰严重等特点，直接在时间序列上进行数据挖掘不但在存储和计算 上要花费高昂代价，而且可能会影响算法的准确性和可靠性。因此许多研究者提出了时间序 列的模式表示方法，用以刻画时间序列的主要形态而忽略那些微小的细节。时间序列的模式 表示有三方面的好处：一是对时间序列进行压缩，换来更小的存储和计算代价；二是只保留 了时间序列的主要形态，去除了细节干扰，更能反映出时间序列的自身特征，有利于提高数 据挖掘的效率和准确性；三是很多应用领域关心的是时间序列一段时间内的变化模式和规 律，而不是时间序列中单个序列点的值，模式表示更能符合其特点。 本文提出了一种基于特征点的时间序列线性表示方法，并与 PAA 方法进行了比较。结 果表明，本文提出的方法与原始时间序列之间的拟合误差更小，对时间序列整体变化特征的 把握情况更好，具有较强的适应性。 文章组织如下：第 2 节简单介绍相关研究工作；第 3 节提出一种基于特征点的时间序列 线性表示方法；第 4 节实验，并与 PAA 方法进行比较；第 5 节，总结。 2.相关研究 时间序列的分段线性（Piecewise Linear Representation, PLR ）表示是时间序列的模式表 示方法中研究最早，也是研究最多的方法。时间序列的PLR表示中，线段的数目决定了对原 始序列的近似粒度。线段越多，线段的平均长度就越短，反映了时间序列的短期波动情况； 线段越少，线段的平均长度就越长，反映了时间序列的中长期趋势。Keogh[1]等人将输入为 时间序列，输出为PLR表示的算法统称为线性分段算法（Linear Segmentation Algorithms ）。 n n K 直观上讲，PLR表示方法就是用K 条首尾邻接的直线段来近似表示一条长度为 （ ） 的时间序列。 1本课题得到国家水利部948 项目“防洪调度及水资源数据挖掘系统”基金资助（批准号：200517）。 1 [2] [3] 和 分别独立提出了时间序列的分段聚集近似（Piecewise Aggregate Approximation, PAA ） 方法，将时间序列等宽度划分，每个子段用时间序列在该子段上的平均值来表示。PAA方法 简单直观，能够支持任意长度的相似性查询。Keogh等人的实验表明将PAA方法用于时间序