10.3778/j.issn.1673-9418.1407039
不确定时间序列的降维及相似性匹配
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。
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)
TP391(计算技术、计算机技术)
The National Natural Science Foundation of China under Grant No.61070032
2015-04-17(万方平台首次上网日期,不代表论文的发表时间)
共11页
418-428