基于一次指数预测算法的动态规划分割算法

【摘要】 <正>时间序列分割在变异点检测、变化趋势检测及数据预处理等方面都具有重要作用。针对经典动态规划分段算法未考虑时间序列数据之间的相互影响，提出一种基于一次指数平滑预测算法和动态规划算法相结合的多元时间序列分割方法。利用一次指数平滑预测算法对所有多元时间序列分割片段进行预测，计算分割代价；再根据分割代价，运用动态规划算法对多元时间序列数据进行分割，得到全局最优的分割结果。对仿真多元时间序列数据进行分割，将新方法结果与已有算法结果进行比较，新方法分割度量值为0.0155，较已有算法减少了0.0293，说明该分割方法得到的分割结果有较高的准确度。更多还原