计算机集成制造系统 ›› 2021, Vol. 27 ›› Issue (11): 3120-3130.DOI: 10.13196/j.cims.2021.11.006
鲁法明1,王琳1,包云霞2+,李昂1,曾庆田1
摘要: 为解决传统符号聚合近似方法分析时序数据时丢失序列波动形态信息的问题,提出一种融合波动信息的时间序列符号聚合近似方法。该方法在传统符号化方法的基础上定义波动率指标来同时量化时间序列的波动幅度和变化趋势信息,用融合波动率的符号矢量近似刻画子序列,在此基础上给出一种新的时间序列距离度量方法。以此度量方法为基础,提出时间序列的相似性计算和分类方法,并在公开数据集上进行了分类学习实验。实验结果表明,所提方法在绝大部分数据集上获得了较传统符号聚合近似方法更好的分类准确率,尤其在时间序列具有明显的局部波动或明显的上升、下降趋势时。
中图分类号: