基于时间序列演变分析的有效相似性定义和聚类

• 作者: 周原冰 左新强 赵春晖 顾杰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 时间序列 相似性定义 演变分析 聚类
• 年，卷（期）: 2008,（10）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 138-141
• 页数: 4页
• 分类号: TP391.41
• 字数: 4834字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.10.040

摘要

时间序列广泛存在于商业应用中,比如电力负荷序列、网络日志等.挖掘时间序列数据对决策分析非常重要,特别地,决定时间序列的相似性在各种实际问题中起关键的作用,比如分析各个区域的电力需求特征.以前的相似性度量方法从未使用过演变这种特性去度量时间序列的相似性,基于演变分析提出了有效的时问序列相似性度量方法(SEA),该方法通过量化演变趋势构建了有效的相似性定义,并且提出了基于该方法的聚类策略.通过在实际数据集上和其它方法的实验比较,证明了提出方法的有效性,因此也证明了时间序列演变分析对相似性度量的重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周原冰		4	22	3.0	4.0
2	左新强		2	14	2.0	2.0
3	赵春晖		4	47	4.0	4.0
4	顾杰		1	6	1.0	1.0