基于数据块的多变量时间序列相似性度量 |
| |
作者姓名: | 翟彦青 丁立新 周考 |
| |
作者单位: | 武汉大学 计算机学院 武汉 430072,武汉大学 计算机学院 武汉 430072,武汉大学 计算机学院 武汉 430072 |
| |
基金项目: | 中央高校基本科研业务费专项资金,广东省省部产学研结合专项,珠海市产学研合作专项资金,珠海市重点实验室科技攻关项目 |
| |
摘 要: | 时间序列数据挖掘是数据挖掘领域的热点之一。相似性度量是时序挖掘领域的基础问题,直接决定了时序数据分类和聚类的效果。针对现有经典的时序数据相似性度量方法共同主成分分析(CPCA)和二维奇异值分解(2DSVD)中存在无法保存时序数据集合中蕴含的某些重要局部特征的问题,提出了基于数据分块方式的CPCA方法和2DSVD方法。该算法首先对原始多变量时间序列数据进行分块处理,然后对分块得到的子矩阵采用CPCA、2DSVD进行特征提取,从而得到代替原始模式的低维新模式,最后在低维空间中利用最小距离法构建分类器对多变量时间序列进行分类。EEG数据分类实验证明了所提方法的有效性。
|
关 键 词: | 多变量时间序列;相似性度量;共同主成分分析;二维奇异值分解;分块 |
收稿时间: | 2015-05-11 |
修稿时间: | 2016-07-28 |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |