基于分段特征及自适应加权的DTW相似性度量

摘要：

利用动态时间弯曲(DTW)技术在原始多元时间序列进行相似性度量时时间复杂度较高,且DTW在追求最小弯曲距离的过程中可能会出现过渡拉伸和压缩的问题.提出一种基于分段特征及自适应加权的DTW多元时间序列相似性度量方法.对原始时间序列在各个变量维度上进行统一分段,选取分段后拟合线段的斜率、分段区间的最大值和最小值以及时间跨度作为每一段的特征,实现对原始序列的大幅降维,提高计算效率.在DTW计算最佳弯曲路径的过程中为每个点设置自适应代价权重,限制弯曲路径中点列的重复使用次数,改善时间序列因过度拉伸或压缩所导致的度量精度低的问题,以得到最优路径路线.实验结果表明,该方法能很好地度量多元时间序列之间的相似性,在多个数据集上都能取得较好的度量结果.

关键词：多元时间序列;动态时间弯曲;相似性度量;分段特征;自适应代价权重

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：江苏省重点研发计划项目;无锡市卫生计生委科研项目

在线出版日期：2021-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：62-68,77