基于特征矩阵的多元时间序列最小距离度量方法

• 作者: 万校基 李海林 郭韧
• 来源期刊: 智能系统学报
• 学科: 工学
• 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
• 年，卷（期）: 2015,（3）
• 页码范围: 442-447
• 页数: 6页
• 分类号: TP301
• 字数: 5359字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.201405047

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭韧	华侨大学信息管理系	41	251	9.0	14.0
2	万校基	华侨大学信息管理系	15	53	5.0	6.0
3	李海林	华侨大学信息管理系	34	368	10.0	18.0