多元时间序列相似性搜索研究综述

现有的多元时间序列相似性度量方法 难以平衡度量准确性和计算效率之间的矛盾.针对该问题,首先,对多元时间序列进行多维分段拟合;然后,选取各分段上序列点的均值作为特征;最后,以特征序列作为输入,利用动态时

现有的各种多元时间序列相似性搜索方法难以准确高效地完成搜索任务。提出了一种基于特征点分段的多元时间序列相似性搜索算法，提取所定义的用于分段的特征点，分段后将原时间序列转化为模式序列，该模式序列能够很好

时间序列相似性研究,张璐,,时间序列作为一种数据形式,广泛存在于各种商业、医学、工程、自然科学和社会科学等数据库中。本文通过对时间序列数据挖掘的概述

在时间序列数据挖掘中, 时间序列相似性是一个重要的概念. 对于诸多算法而言, 能否与一种合适的相似性度量方法结合应用, 对其挖掘性能有着关键影响. 然而, 至今仍没有统一的度量相似性的方法. 对此,

Multiple time series analysis

多元时间序列的因果关系分析是数据挖掘领域的研究热点. 时间序列数据包含着与时间动态有关的、未知的、有价值的信息, 因此若能挖掘出这些知识进而对时间序列未来趋势进行预测或干预, 具有重要的现实意义.

期刊上发的论文介绍简洁严谨。在经典的时间序列相似分析方法基础上，论文讨论了一些有代表性的现代时间序列相似性分析方法。对其基本思想加以分析和提炼，总结了这些方法的优缺点，为时间序列分析研究提供了较为完整

一种基于改进的BORDA计数的多元时间序列相似性挖掘方法，王咏梅，，利用数据挖掘技术从长期观测的数据序列中发现蕴藏的规律是当前研究热点之一。相似性挖掘是时间序列挖掘的基础，本文提出了一种新

针对多元时间序列模式匹配的方法难以高效、准确地刻画序列相似程度的问题, 在考虑变量的量纲和特征 差异的基础上, 对多元时间序列进行多维分段拟合; 然后, 选取各个变量维度上拟合线段的倾斜角和时间跨度作

该数据集描述包括样本数量、类别数、特征数、时间序列长度,除了Libras数据集的时间序列长度为等长的,其他数据集时间序列长度为不等长。