时间序列数据挖掘的相似性度量综述

被引：92
|
作者：
陈海燕 [1 ,2 ]
刘晨晖 [1 ]
孙博 [1 ]
机构：
[1] 不详
[2] 南京航空航天大学计算机科学与技术学院
[3] 不详
[4] 南京航空航天大学软件新技术与产业化协同创新中心
[5] 不详
来源：
控制与决策 | 2017年 / 01期
关键词：
时间序列数据挖掘; 时间序列相似性; 相似性度量; 挖掘精度;
D O I：
10.13195/j.kzyjc.2016.0462
中图分类号：
O211.61 [平稳过程与二阶矩过程]; TP311.13 [];
学科分类号：
1201 ;
摘要：
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,首先综述了常用的相似性度量方法,分析了各自的优点与不足;其次,讨论了近年来出现的时序相似性的新解释及其度量方法;再次,探讨了相似性度量在时序挖掘任务中的应用以及与挖掘精度的关系;最后给出了关于时序相似性度量进一步的研究方向.
引用
收藏
页码：1 / 11
页数：11
相关论文
共 22 条
  • [1] 多元时间序列相似性度量方法
    李正欣
    郭建胜
    毛红保
    高杨军
    [J]. 控制与决策 , 2017, (02) : 368 - 372
  • [2] 基于趋势的时间序列相似性度量和聚类研究
    肖瑞
    刘国华
    [J]. 计算机应用研究, 2014, 31 (09) : 2600 - 2605
  • [3] 新的时间序列相似性度量方法
    张海涛
    李志华
    孙雅
    张华伟
    [J]. 计算机工程与设计, 2014, 35 (04) : 1279 - 1284
  • [4] 时间序列数据降维和特征表示方法
    李海林
    杨丽彬
    [J]. 控制与决策, 2013, (11) : 1718 - 1722
  • [5] 基于DTW的多元时间序列模式匹配方法
    李正欣
    张凤鸣
    李克武
    [J]. 模式识别与人工智能, 2011, 24 (03) : 425 - 430
  • [6] 多元时间序列模式匹配方法研究
    李正欣
    张凤鸣
    李克武
    [J]. 控制与决策 , 2011, (04) : 565 - 570
  • [7] 基于斜率表示的时间序列相似性度量方法
    张建业
    潘泉
    张鹏
    梁建海
    [J]. 模式识别与人工智能, 2007, 20 (02) : 271 - 274
  • [8] A novel travel-time based similarity measure for hierarchical clustering[J] . Yonggang Lu,Xiaoli Hou,Xurong Chen.Neurocomputing . 2016
  • [9] A soft computing framework for classifying time series based on fuzzy sets of events[J] . Juan Ares,Juan A. Lara,David Lizcano,Sonia Suárez.Information Sciences . 2016
  • [10] Categorical data clustering: What similarity measure to recommend?[J] . Tiago R.L. dos Santos,Luis E. Zárate.Expert Systems With Applications . 2015 (3)
123