时间序列数据挖掘中特征表示与相似性度量研究综述

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１ — ３６９５．２０１３．０５．００２
Ｓｕｒｖｅｙｏｆｆｅａｔｕｒｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｓａｎｄｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔｓｉｎ
相似性度量提供了方向。
关键词：时间序列；数据挖掘；特征表示；相似性度量
中图分类号：ＴＰ３１１．１文献标志码：Ａ文章编号：１００１ — ３６９５（２０１３）０５ — １２８５－０７
李海林，郭崇慧
（１．．华侨大学工商管理学院，福建泉州３６２０２１；２．大连理工大学系统工程研究所，辽宁大连１１６０２４）摘要：分别分析了时间序列特征表示和相似性度量在数据挖掘中的作用和意义，对目前已有的主要方法进行
了综述，分析各自存在的优缺点；同时，探讨了将来值得关注的问题，为进一步研究时间序列数据的特征表示和
ｔｉｍｅｓｅｒｉｅｓｄａｔａｍｉｎｉｎｇ
ＬＩＨａｉ．１ｉｎ，．ＧＵＯＣｈｏｎｇ．ｈｕｉ
（１．ＣｏｌｌｅｇｅｏｆＢｕｓｉｎｅｓｓＡｄｍｉｎｉｓｔｒａｔｉｏｎ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｙ，ＱｕａｎｚｈｏｕＦｕｊｉａｎ３６２０２１，Ｃｈｉｎａ；２．ＩｎｓｔｉｔｕｔｅｆＳｏｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ，ＤａｌｉａｎＵｎｉ — ｖｅｍｉｔｙｆＴｏｅｃｈｎｏｌｏｇｙ，ＤａｌｉａｎＬｉａｏｎｉｎｇ１１６０２４，Ｃｈｉｎａ）
第３０卷第５期
２０１３年５月
计算机应用研究 Leabharlann Baidu
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ
Ｖ０１．３ＯＮｏ．５Ｍａｙ２０１３
时间序列数据挖掘中特征表示与相似性度量研究综述水
时间序列是一类常见且与时间相关的高维数据，也是数据
基本形态和重要信息，为提高时间序列数据挖掘的效率奠定基
挖掘领域 … 中主要的研究对象，广泛存在于金融、医学、气象以及网络安全领域中。近年来，随着社会经济和信息技术的发展，时间序列的数据量增长越来越快。相应地，利用数据挖掘技术在时间序列数据库中发现潜在有用的信息和
Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｒｅｓｐｅｃｔｉｖｅｌｙａｎａｌｙｚｅｄｔｈｅｆｕｎｃｔｉｏｎａｎｄｍｅａｎｉｎｇｏｆｆｅａｔｕｒｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｓｎｄａｓｉｍｉｌａｉｔｒｙｍｅａｓｕｒｅｍｅｎｔｓｆｏｒｔｉｍｅｓｅｒｉｅｓ．Ｉｔａｌｓｏｓｕｍｍａｒｉｚｅｄｔｈｅｅｘｉｓｔｅｄｍｅｔｈｏｄｓａｎｄｎａａｌｙｚｅｄｔｈｅｍｅｉｔｒｓｎｄａｄｅｍｅｉｒｔｓ．Ｍｅａｎｗｈｉｌｅ，ｂｙｄｉｓｃｕｓｓｉｎｇｔｈｅｎｏｔｅｗｏｒ — ｔｈｙｐｒｏｂｌｅｍｓ，ｉｔｐｒｏｖｉｄｅｄｔｈｅｆｕｒｔｈｅｒｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎｏｆｆｅａｔｕｒｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｓａｎｄｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔｓｏｒｆｔｉｍｅｓｅｉｒｅｓ．Ｋｅｙｗｏｒｄｓ：ｔｉｍｅｓｅｉｅｒｓ；ｄａｔａｍｉｎｉｎｇ；ｆｅａｔｕｒｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ；ｓｉｉｌｍａｉｔｒｙｍｅａｓｕｒｅｍｅｎｔ
知识，也越来越受到研究者的关注，而且研究成果被广泛应用
础。与此同时，相似性度量方法是时间序列数据挖掘中的另一重要过程，也是时间序列数据挖掘中基本和关键的问题之一。大部分时间序列数据挖掘技术的初始工作都需要进行相似性比较，如聚类、分类、兴趣模式发现、异常模式发现以及时间序列可视化等，以便建立数据之间的二元关系。因此，相似性度量方法的有效性直接关系到时间序列数据挖掘算法的性