基于小波变换的多元时间序列相似性研究.pdfVIP

第 34 卷 　第 4 期 西 南 师 范 大 学 学 报 ( 自然科学版) 2009 年 8 月 Vol 34 　No 4 　　Journal of Southwest China Normal Univer sity (Natural Science Edition) A ug 2009 ( ) 文章编号 :1000547 1 2009 基于小波变换的多元时间序列相似性研究① 1 ,2 3 4 刘 　智 , 　游中胜 , 　邹枝玲 1 重庆理工大学 计算机学院 , 重庆 400050 ; 2 四川大学 计算机学院 , 成都 6 10064 ; 3 重庆师范大学学报编辑部 , 重庆 400047 ; 3 西南大学 心理学院 , 重庆 4007 15 摘要 : 多元时间序列由于多元性和变量间的相关性而趋于复杂. 简单综述了时间序列研究方法 , 结合小波变换的 降维和多尺度特性 , 以矩阵的 Froeniu s 加权平方范数为度量工具 , 提出了基于 haar 小波变换的多元时间序列间相 似性匹配方法. 实验数据表明 , 该方法能够有效的比较多元时间序列间的相似性程度. 关 　键 　词 : 时间序列 ; Froeniu s 范数 ; 欧氏距离 ; haar 小波 中图分类号 : TP311 文献标识码 : A 时间序列相似性匹配是从大规模时间序列数据库中找出与给定序列相似的序列 , 自从 1993 年 A graw [ 1 ] al , Falout so s 和 Swami 等人 发表第一篇关于时间序列的论文以来 , 时间序列相似性研究引起了数据库和 数据挖掘领域研究者的广泛关注. 目前的研究大多是面向单变元时间序列 , 而现实中的时间序列往往受多 个因素的影响 , 如股票走势与开盘价 、最高价等均有影响. 因此 , 多元时间序列的相似性研究正逐步受到 研究者的关注[23 ] . 本文第一部分对时间序列相似匹配的相关研究进行简单综述 , 第二部分给出与本文研究 相关的基本知识 , 第三部分提出了基于 haar 小波变换的多元时间序列相似性匹配方法 , 第四部分对提出的 方法进行简单验证 , 结束语部分对本文进行总结并给出需要进一步探讨的方向. 1 　相关研究 时间序列相似性的研究已经有一定的积累 , Falout so s C 等人[4 ] 得出: 降维处理为时间序列相似匹配 ( ) [ 1 ] 的关键步骤. 基于 Par seval 定理和 D F T 离散傅立叶变换 欧氏距离的不变性 , A grawal 等人利用信号的 绝大部分能量集中于低频部分的特点 , 最早提出了D F T 方法来对时间序列进行降维处理. 但 D F T 只是一 种纯频域的分析方法 , 反映的是信号在全部时间上的整体频率特征 , 不能提供任何局部时间上的频率特 征. 加窗傅立叶变换虽可以描述某一局部时间段上的信息 , 但窗口大小固定 , 对一个时变非稳态信号 , 很 难找到一个合