不确定时间序列的降维及相似性匹配

摘要：

不确定时间序列的每个时间点上对应一个可能取值的集合，无法给出其确定值，这种不确定性给时间序列降维处理和相似性匹配带来巨大挑战，现有的时间序列降维方法和相似性匹配算法已经无法适用。针对此问题，提出了描述统计模型，将不确定时间序列归约为3条确定时间序列，通过离散傅里叶变换（discrete Fou-rier transform，DFT）、离散余弦变换（discrete cosine transform，DCT）、离散小波变换（discrete wavelet trans-form，DWT）对模型下不确定时间序列降维；根据模型特点，提出了以观察值区间和区间集中趋势为核心的相似性匹配算法。经过实验验证，描述统计模型下DCT和DWT有良好的降维效果，提出的相似匹配算法与现有算法相比提高了匹配准确率。

关键词：不确定时间序列、降维、相似性匹配、离散傅里叶变换(DFT)、离散余弦变换(DCT)、离散小波变换(DWT)

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61070032

在线出版日期：2015-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：418-428