论文研究基于形态距离及自适应权重的相似性度量.pdf

针对传统的动态时间弯曲算法的性能容易受到离群点以及局部噪声点的影响，同时对于复杂数据的处理能力较差，提出基于形态距离及自适应权重的相似性度量算法。该算法首先利用l1趋势滤波对原始待比较序列进行降维、压缩；其次引入形态距离计算两时间序列的距离矩阵；最后利用自适应赋权的距离函数抽取出各个子序列所含的信息量差异并结合动态时间弯曲完成最终时间序列相似度量。实验表明，该算法有更强的鲁棒性，能够更好地利用序列的形态特征完成宏观的相似性度量，同时在处理复杂数据时更加精确、高效、稳定。