时间序列相似性匹配是数据挖掘中的重要工具。本文首先对不同时间序列的处理技术进行详细的概括,在前人基础上分析现有挖掘工具；之后说明其中存在的问题,包括时间序列度量和数据流处理,并辨析各个方法的优缺点。最终提出了针对动态时间弯曲的过匹配问题,在对这个问题进行详细分析的基础上提出应用于不同领域的两种算法,即Flex Dynamic Time Warping (FDTW)和Lining Bound Mine (LBM)算法,通过给出的证明和实验验证算法的准确性。
FDTW是一种全新的度量方式,主要解决DTW算法存在的过匹配问题,它使用三个迭代矩阵对路径选择严格限制,若超出限制范围则无法成为路径的选择点。文章不仅给出算法,并且证明算法的正确性。
LBM算法是应用在时间序列数据流中支持弹性形变的子序列匹配算法。由于数据流相对于传统静态时间序列的特殊性,无法支持重复性查找,所以数据流子序列算法必须通过一次扫描找到区域最优解。前人曾提出spring算法,但spring算法存在冗余计算以及过匹配现象。LBM算法使用全局约束和判断减少过匹配以及冗余计算,经过实验验证,相对于spring算法不...
【英文摘要】
Time series similarity matching is an important tool in data mining. Firstly, time series of different treatment technologies detailed summary of the basis of the previous analysis of existing mining tools; after the description of the existing problems, including time-series measurements and data stream processing, and Analysis of advantages and disadvantages of each method. Eventually made over for dynamic time warping matching problem, a detailed analysis of this issue based on the proposed appli...
| 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
