10.3969/j.issn.1006-2475.2017.05.015
基于离均差的时间序列相似性度量
时间序列的相似性度量是数据挖掘领域研究的一个热点,高维多元时间序列数据一般含有大量的噪声不利于相似性的比较.针对现有的时间序列度量方法存在的问题,在改进的时间序列自底向上融合算法的基础上,提出一种新的基于离均差的时间序列相似性度量的夹角余弦算法(Angle Cosine Metric Similarity,ACMS).ACMS算法将时间序列等价为一个多维度的向量,充分考虑2个向量的方向和大小特征,增强振幅变化的鲁棒性,减少人为干扰,对数据挖掘中的聚类和预测具有帮助作用.
时间序列、向量、夹角余弦、相似性度量、离均差
TP311(计算技术、计算机技术)
2017-06-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
76-82,87