基于SAX的时间序列相似性度量方法.doc

的时间序列相似性度量方法* 基于 SAX 李桂玲1a，2 ，王元珍2 ，杨林权1b ，吴湘宁1a ( 1． 中国地质大学 a． 计算机学院; b． 信息工程学院，武汉 430074; 2． 华中科技大学 计算机科学与技术学院，武 汉 430074) 摘 要: 符号化表示是一种有效的时间序列降维技术，其相似性度量是诸多挖掘任务的基础。基于 SAX( sym- bolic aggregate approximation) 的距离 MINDIST_PAA_iSAX 不满足对称性，在时间序列挖掘中具有局限性，提出了 对称的度量 Sym_PAA_SAX，且下界于欧拉距离。在真实数据集和合成数据集上的实验说明下界紧密性较好，相 似搜索错报率较低。 关键词: 时间序列; 降维; 相似性度量; 下界 A 中图分类号: 文献标志码: 文章编号: 1001-3695( 2012) 03-0893-04 TP311 doi: 10． 3969 / j． issn． 1001-3695． 2012． 03． 025 Research on similarity measure for time series based on SAX LI Gui-ling1a，2 ，WANG Yuan-zhen2 ，YANG Lin-quan1b ，WU Xiang-ning1a ( 1． a． School of Computer Science，b． School of Information Engineering，China University of Geosciences，Wuhan 430074，China; 2． School of Computer Science ＆ Technology，Huazhong University of Science ＆ Technology，Wuhan 430074，China) Abstract: Symbolic approximation is an effective dimensionality reduction technique for time series，its similarity measure is a basis for various mining tasks． MINDIST _ PAA _ iSAX is a distance function based on symbolic aggregate approximation ( SAX) ，but it does not satisfy symmetry，so it has limitation in mining time series． This paper put forward and proved a sym- metric distance measure Sym_PAA_SAX to be lower bounding to Euclidean distance． Experiments on real and synthetic data sets show its better tightness of lower bounding and lower false positives rate in similarity search． Key words: time series; dimensionality reduction; similarity measure; lower bounding 序列作降维处理，进行近似表示。代表性的时间序列的近似表 0 引言 示有分段聚集近似( piecewise aggregate approximation，PAA) ［3］、 分段线性近似( piecewise linear approximation，PLA) ［4］、符号聚 时间序列是指随着时间的先后顺序而变化的一系列数据， 是一类多维的复杂类型数据，目前广泛地存在于金融、科学、工 程、医疗等领域。例如某股票某段时间内的开盘价和收盘价的 走势、就医者的心电图数据、网络监控中的网络流量、自然现象 观测中的大气、温度、风、地震等数据，均是时间序列。 近年来，时间序列数据的挖掘吸引了越来越多研究者的关 注，相似性度量是其中的一个重要子问题。所谓相似性度量是 指如何衡量时间序列之间的相似性和相似程度，合理的相似性 度量是相似搜索、聚类、分类、异常检测、主题发现等诸多挖掘 任务的基础。 对于原始时间序列，经典的相似性度量有欧拉距离( Eu- clidean distance，ED) ［1］和动态时间弯曲( dynamic time warping， DTW) ［2］两种。