基于特征矩阵的多元时间序列最小距离度量方法

摘要：

相似性度量是多元时间序列数据挖掘任务过程中一项重要的前期工作，度量质量直接影响到后期整个数据挖掘的性能和结果。利用主成分分析方法对数据集中的每个多元时间序列数据进行特征分析，提取其特征矩阵并且构建相应的新正交坐标系。通过夹角公式来度量2个正交坐标系之间距离，并且结合匈牙利算法计算它们之间的最小距离，进而实现了一种基于特征矩阵的多元时间序列最小距离度量方法。实验结果表明，与传统方法相比，新方法具有较好的相似性度量质量，提高了多元时间序列的数据挖掘效果。

关键词：多元时间序列、相似性度量、特征矩阵、最小距离、主成分分析、匈牙利算法、数据挖掘

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61300139；福建省中青年教师教育科研项目 JAS14024；华侨大学中青年教师科研提升资助计划项目 ZQN-PY220．

在线出版日期：2015-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：442-447