文章目录

  • 1 摘要
  • 2 引言
    • 2.1 多元时间序列问题介绍
    • 2.2 相似性度量方法介绍
  • 3 多元时间序列特征提取
  • 4 多元时间序列相似性度量

写在前面:《控制与决策》;中文核心

作者:李正欣、郭建胜

1 摘要

本文提出了一种实现方便、配置简单,并且能保证度量准确性的方法。

  1. 对多元时间序列进行多维分段拟合;
  2. 选取各分段上序列点的均值作为特征;
  3. 以特征序列作为输入,利用DTW实现相似性度量。

2 引言

时间序列是一种与时间相关的高维数据,广泛存在于金融、经济、工程领域。

2.1 多元时间序列问题介绍

相似性度量是时间序列数据挖掘的核心技术之一,其度量精度直接影响着数据挖掘的效果。

多元时间序列相似性度量的研究相对较少,还有较多尚未解决的问题。

2.2 相似性度量方法介绍

  • 欧式距离(ED) 简单易实现,但是要求两条序列的长度必须相同,且无法处理序列在时间轴上的伸缩和弯曲。
  • 奇异值分解(SVD) 把时间序列中的变量理解为随机变量,以相关系数矩阵作为特征提取的基础,利用线性坐标变换建立相似度量模型[缺点是,这种方法是基于统计的度量方法,不能描述观察值的时序关系
  • 基于点分布特征的方法(PD) 也是基于统计的方法,动态时间弯曲距离(DTW) 支持不同长度时间序列的相似性度量,支持序列在时间轴上的伸缩和弯曲,具有较好的度量精度和鲁棒性。
  • 趋势距离(TD) 以多元时间序列的倾斜角和时间跨度作为特征,降低了计算复杂度

3 多元时间序列特征提取

  • 最直观的方法是,分别提取每一变量维度上的特征。
  1. 将每个分段上原始点的均值作为该段序列的特征。


    多维分段,并且用均值代表这一段的数据,既可以保持变量间的相关性,而且可以完成时间维度上的降维。

4 多元时间序列相似性度量

  • DTW距离

在这里呢,DbaseD_baseDb​ase说的是两个向量之间的基距离,通常使用欧式距离。

  • 本质上,DTW距离用于确定序列X和Y上每个点之间的匹配关系。

论文学习——多元时间序列相似性度量方法相关推荐

  1. 论文学习——分段时间序列相似性研究与应用

    文章目录 1 时间序列挖掘 (TSDM, Time Series Data Mining) 1.1 研究时间序列相似性度量方式 1.2 研究时间序列分段表示方式 1.3 降雨时间序列数据集 2 数据挖 ...

  2. 基于深度学习的时间序列预测方法

    之前对时间序列预测的方法大致梳理了一下,最近系统的学习了深度学习,同时也阅读了一些处理序列数据的文献,发现对于基于深度学习的时间序列预测的方法,还可以做进一步细分:RNN.Attention和TCN. ...

  3. 论文学习——降雨场次划分方法对降雨控制率的影响分析

    文章目录 1 摘要 2 引言 2.1 降雨场次的划分方法 3 最小降雨间隔时间对降雨控制率的影响 4 结论和建议 写在前面:<中国给水排水>:中文核心期刊: 作者:北京市水科学技术研究院 ...

  4. 论文学习——多维时间序列异常检测算法综述

    文章目录 0 封面 1 标题(title) 2 作者(author) 3 摘要(abstract) 4 结论(conclusion) 4.1 维数约减 4.2 时间序列模式表示 4.3 异常模式发现 ...

  5. 论文学习——一种基于DTW的符号化时间序列聚类算法

    文章目录 1 摘要 2 引言 2.1 类似的工作 SAX 2.2 本文成果 3 相关知识 3.1 极值点EP 成为关键点KP 的条件 3.2 DTW距离 3.3 基于Normal矩阵的谱平分法 4 本 ...

  6. 论文学习——一种基于关键点的SAX改进算法

    文章目录 1 摘要 2 引言 2.1 SAX的缺点+ 举个例子分析 2.2 分析问题原因 2.3 本文的改进工作 3 实验结果与分析 3.1 关键点的选取规则 3.2 本文定义的相似度距离计算公式 3 ...

  7. 【论文解读】【多元时间序列异常检测】 Detection and Characterization of Anomalies in Multivariate Time Series

    这是一篇比较经典的多元时间序列数据异常检测算法的论文阅读解析,包括了算法代码的实现,论文原文已经上传到CSDN方便下载阅读,点击这里下载原始论文 一.这篇论文说了什么? 针对多元时间序列的异常数据检测 ...

  8. 《异常检测——从经典算法到深度学习》18 USAD:多元时间序列的无监督异常检测

    <异常检测--从经典算法到深度学习> 0 概论 1 基于隔离森林的异常检测算法 2 基于LOF的异常检测算法 3 基于One-Class SVM的异常检测算法 4 基于高斯概率密度异常检测 ...

  9. 基于深度学习的表面缺陷检测方法综述-论文阅读笔记

    //2022.3.2日阅读笔记 原文链接:基于深度学习的表面缺陷检测方法综述 (aas.net.cn) 个人对本篇综述内容的大致概括 论文首先介绍了表面缺陷检测中不同场景下的成像方案,主要根据表面颜色 ...

  10. 论文《基于深度学习的表面缺陷检测方法综述》学习笔记

    <基于深度学习的表面缺陷检测方法综述>学习笔记 前段时间完成了<基于图像的零部件缺陷识别系统设计>毕业课程设计,过程中收获了很多,老师也分享了很多论文,在此记录一下学习的收获. ...

最新文章

  1. Spring源码分析【3】-SpingWebInitializer的加载
  2. 凝聚世界著名的UNIX/Linux专家Sobell十年功力的巨著2
  3. python爬虫----(4. scrapy框架,官方文档以及例子)
  4. Linux驱动如何在不同版本上快速迭代升级
  5. Wordpress简约昼夜切换主页导航
  6. MyBatis拦截器实现分页
  7. h3c linux静态链路聚合,H3C静态链路聚合与典型配置.doc
  8. 高通要求欧盟取消12亿美元反垄断罚款,理由是……
  9. 如何通过Keras来掌握深度学习
  10. map.setTerrain is not a function
  11. python之show、hide、slidedonw、slideup方法实例
  12. 最大流 Ford-Fulkerson 算法
  13. 使用EasyCHM生成CHM文档
  14. CSS实现简单的3D旋转魔方
  15. Latex通过bib文件转出bbl文件
  16. 数据中心的“风火水电”
  17. QQ空间说说刷赞网页版开放公测
  18. gdb: warning Can‘t open file /usr/lib/libstdc++.so.6.0.19 during file-backed mapping note processing
  19. XOP 网格计划是什么?XOP 的特性
  20. 中国保险中介行业市场规模调研及投资可行性研究报告2022-2027年

热门文章

  1. sirikit_iOS 12 Siri捷径SiriKit
  2. 580刷590bios_身价瞬间涨几百 RX 480刷bios变身RX 580
  3. 外文文献找不到怎么办?
  4. 计算机考研各科时间安排,计算机考研专业课复习全程的时间安排
  5. html添加启动项,windows boot manager启动项是什么
  6. windows下手动修改/修复启动项
  7. 语音合成 TTS 相关的一些总结
  8. matlab tube函数,2015-08-25-OpenCV for Matlab Users (5) - OpenCV 自身易搞混的函数辨析
  9. 华为数字化转型的钻石模型
  10. 博客园博客使用无觅插件