基于离均差的时间序列相似性度量 |
| |
引用本文: | 曹洋洋,林 意.基于离均差的时间序列相似性度量[J].计算机与现代化,2017,0(5):76. |
| |
作者姓名: | 曹洋洋 林 意 |
| |
摘 要: | 时间序列的相似性度量是数据挖掘领域研究的一个热点,高维多元时间序列数据一般含有大量的噪声不利于相似性的比较。针对现有的时间序列度量方法存在的问题,在改进的时间序列自底向上融合算法的基础上,提出一种新的基于离均差的时间序列相似性度量的夹角余弦算法(Angle Cosine Metric Similarity,ACMS)。ACMS算法将时间序列等价为一个多维度的向量,充分考虑2个向量的方向和大小特征,增强振幅变化的鲁棒性,减少人为干扰,对数据挖掘中的聚类和预测具有帮助作用。
|
关 键 词: |   时间序列 向量 夹角余弦 相似性度量 离均差 /> |
收稿时间: | 2017-05-31 |
|
| 点击此处可从《计算机与现代化》浏览原始摘要信息 |
|
点击此处可从《计算机与现代化》下载全文 |
|