時(shí)間序列分段線性表示及相似性算法研究

隨著計(jì)算機(jī)軟、硬件的進(jìn)步，人們利用信息技術(shù)產(chǎn)生和搜集數(shù)據(jù)的能力大幅度提高。
作為數(shù)據(jù)挖掘的重要研究課題之一，時(shí)間序列的挖掘與預(yù)測(cè)近幾年發(fā)展迅速。本文對(duì)時(shí)間序列的分段線性化表示進(jìn)行了研究，采用新的分段線性化表示方法建立了序列相似性度量準(zhǔn)則，彌補(bǔ)了以往度量準(zhǔn)則對(duì)時(shí)間軸上伸縮的變化敏感的問(wèn)題。新的表示方法和相似性度量準(zhǔn)則使時(shí)間序列數(shù)據(jù)更容易應(yīng)用傳統(tǒng)的數(shù)據(jù)挖掘方法。
近十幾年來(lái)，隨著計(jì)算機(jī)軟、硬件的迅速發(fā)展，人們利用信息技術(shù)產(chǎn)生和搜集數(shù)據(jù)的能
力大幅度提高，數(shù)以千萬(wàn)計(jì)的數(shù)據(jù)庫(kù)被用于商業(yè)管理、政府辦公、科學(xué)研究和工程開(kāi)發(fā)等方面。數(shù)據(jù)采集工具的進(jìn)步使我們擁有了數(shù)量龐大的數(shù)據(jù)。如何從海量數(shù)據(jù)中及時(shí)發(fā)現(xiàn)有用的知識(shí)，提高信息利用率，并將這些有用的信息和知識(shí)運(yùn)用到實(shí)際工作中去成為一個(gè)迫切需要解決的問(wèn)題。因此，數(shù)據(jù)挖掘(Data Mining， DM)通常又稱為數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Database， KDD)的需求越來(lái)越強(qiáng)烈。而在時(shí)間序列的數(shù)據(jù)挖掘研究中，相似性搜索更是一個(gè)重要的研究?jī)?nèi)容，這主要是受到實(shí)際需要的驅(qū)使而產(chǎn)生的。時(shí)間序列相似性研究中有效的數(shù)據(jù)描述是提高相似性搜索效率和減少搜索時(shí)間的關(guān)鍵。