不等长子时间序列的相似性度量方法_分段线性表示.docVIP

不等长子时间序列的相似性度量方法_分段线性表示 论文导读:：时间序列是按时间顺序排列的一系列观测数据。基于形状的相似度度量效果往往不好。基于时间序列趋势转折点的分段线性表示。本文提出了不等长子时间序列的相似性度量方法。 关键词：时间序列，相似度，分段线性表示，不等长子时间序列 0引言 时间序列是按时间顺序排列的一系列观测数据，其观测值按固定的时间间隔采样。时间序列广泛存在于商业、经济、科学工程和社会科学等领域，例如：股票价格数据、销售数据、图像数据、影像数据、手写体数据、脑扫描数据等都可以看作是时间序列数据[1]。这些数据中隐藏着大量重要的信息，反映的大都是某个待观察过程在一定时期内的状态或表现[2]。 时间序列的相似性度量是衡量两个时间序列的相似程度的方法；它是时间序列分类、聚类、异常发现等诸多数据挖掘问题的基础，也是时间序列挖掘的核心问题之一。[3]相似性度量的好坏决定着挖掘的效果。[2]对于数值型的时序序列，有以下几种相似度的度量：基于形状的相似度、基于压缩数据的相似度、基于特征的相似度和基于模型的相似度。[4]对于大量的长度不一的时序数据，基于形状的相似度度量效果往往不好，这时，就得考虑基于特征或者基于模型的相似度。[5]基于特征的相似度计算先要从时间序列中提取特征，将时间序列变换到特征空间，采用特征空间的特征模式来表示原始时间序列。[6]