基于数据块的多变量时间序列相似性度量

摘要：

针对现有经典的时序数据相似性度量方法共同主成分分析(CPCA)和二维奇异值分解(2DSVD)中存在无法保存时序数据集合中蕴涵的某些重要局部特征的问题,提出了基于数据分块方式的CPCA方法和2DSVD方法.该算法首先对原始多变量时间序列数据进行分块处理,然后对分块得到的子矩阵采用CPCA、2DSVD进行特征提取,从而得到代替原始模式的低维新模式,最后在低维空间中利用最小距离法构建分类器对多变量时间序列进行分类.EEG数据分类实验证明了所提方法的有效性.

关键词：多变量时间序列、相似性度量、共同主成分分析、二维奇异值分解、分块

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金资助项目2012211020209;广东省省部产学研结合专项资助项目2011B090400477;珠海市产学研合作专项资金资助项目2011A050101005,2012D0501990016;珠海市重点实验室科技攻关项目2012D0501990026

在线出版日期：2016-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2705-2707,2711