十二，時間序列趨勢相似性度量方法的研究-DPM

十二，時間序列趨勢相似性度量方法的研究

• 論文名稱：時間序列趨勢相似性度量方法的研究-計算機工程與應用，譚章祿，王兆剛，胡 翰.

• 研究對象
  時間序列數據相似性度量

• 研究動機
  

  • 改善和提高基于模式的時間序列趨勢相似性度量效果，實現時間按序列的分段模式化，借鑒DTW的動態規劃原理，提出一種動態模式匹配方法（DPM）。

• 文獻綜述
  

  • 相似性度量是數據挖掘的基礎，針對時間序列數據的相似性度量是時間序列數據挖掘的研究熱點。
  • 歐氏距離和DTW是使用較多的時間序列相似性度量方法，歐氏距離只能度量等長度的時間序列，無法識別變化趨勢，DTW彌補了歐氏距離的不足，不過還存在，計算復雜，時間復雜度高。
  • 基于時間序列模式化的相似性度量方法不僅能夠在不同壓縮率下準確度量序列間的趨勢相似性，且相對于DTW方法，其時間消耗大幅降低。

• 研究方案設計
  

  • 選擇合適的數據集
  • 對實驗數據進行等長分段直線擬合
  • 對選擇的數據使用層次聚類方法進行歸類分析
  • 歐氏距離，DTW，DPM，進行實驗對比分析

• 使用數據集
  使用UCI知識發現數據庫檔案中的控制圖數據，選擇其中Normal類的前5個樣本數據。

• 研究結論
  

• 學習心得
  近期在計算機工程與應用上發表的文章，研讀的目的是DPM是在DTW的基礎上計算效率更高，是研究時間序列趨勢相似性度量的新方法，新思路。