新型时间序列相似性度量方法研究

• 作者: 刘懿 杨泽红 王家钦 贾培发 赵雁南 鲍德沛
• 来源期刊: 计算机应用研究
• 关键词: 时间序列 相似性度量 数据挖掘 符号化
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 信息安全
• 页码范围: 112-114
• 页数: 3页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2007.05.034

摘要

基于时间序列符号化后的特点,创造性地提出了一种新型相似性度量方法--符号化的统计向量空间法(SAX[1] Statistical Vector Space,SSVS).将这种度量方法用于S&P500指数的股票数据聚类实验,并与经典相似性度量方法比较,结果表明这种新的方法能够高效地从整体趋势的角度度量时间序列的相似性,有很好的实际意义和应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾培发	清华大学计算机科学与技术系	38	746	15.0	26.0
2	赵雁南	清华大学计算机科学与技术系	26	415	11.0	20.0
3	刘懿	清华大学计算机科学与技术系	7	99	4.0	7.0
4	鲍德沛	清华大学计算机科学与技术系	2	61	2.0	2.0
5	杨泽红	清华大学计算机科学与技术系	16	371	10.0	16.0
6	王家钦	清华大学计算机科学与技术系	12	113	6.0	10.0