论文研究基于关键点的不同长度时间序列相似性度量.pdf

目前，时间序列的相似性大多是在原始序列上进行判断和比较的，原始序列维度较高，计算量大，不利于相似性比较。提出了新的关键点（转折点或极值点）算法，除利用常用的极值法求非单调序列的关键点外，还提出了求单调序列关键点的新算法，利用该算法可以压缩时间序列，降低维度，又能保持序列的轮廓。在关键点时间序列上提出了新的相似性判定算法，利用该算法可计算任意两序列的相似度，并且提高了相似性判定的鲁棒性，减少人为干预设置阈值带来的影响。实验结果表明，基于时间序列关键点的相似性算法能很好地判定任意两序列的相似性，减少了计算量，提高了鲁棒性及减少人为干扰，对时间序列数据挖掘中的聚类与预测有很好的帮助作用。