基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
生产实践中会产生大量的时间序列数据,而通过对时间序列数据的挖掘可以指导生产实践.时间序列数据通常维度高,为了保证原始序列的变化形态,有研究提出了时间序列重要点表示,但是选取重要点后,序列仍然受到噪声点的影响.为此首次提出在预处理阶段对时间序列进行多项式平滑滤波(Savitzky-Go-lay),然后对平滑后的序列选取重要点.重要点的选取使用连续三点取值的算法,为了更大程度上降低时间序列的长度,对极值点的选取增加了新的约束条件.时间序列相似性度量使用快速动态时间规整算法(Fast-DTW),实验表明所提算法具有可行性和有效性.
推荐文章
基于趋势的时间序列相似性度量和聚类研究
时间序列
不确定性
相似性度量
聚类
趋势符号
基于模式距离度量的时间序列相似性搜索
时间序列
分段线性表示
相似性搜索
模式距离
基于涨落模式的时间序列相似性度量研究
时间序列
涨落模式
相似变形
相似性度量
分类
鲁棒性
新型时间序列相似性度量方法研究
时间序列
相似性度量
数据挖掘
符号化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多项式最小二乘滤波的时间序列相似性度量
来源期刊 测试技术学报 学科 工学
关键词 时间序列 相似性度量 多项式平滑滤波 重要点 快速动态时间规整
年,卷(期) 2020,(1) 所属期刊栏目 数据采集与图像处理
研究方向 页码范围 28-33
页数 6页 分类号 TP391
字数 4003字 语种 中文
DOI 10.3969/j.issn.1671-7449.2020.01.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 乔钢柱 中北大学大数据学院 2 0 0.0 0.0
2 朱良泽 中北大学大数据学院 1 0 0.0 0.0
3 丁智慧 中北大学大数据学院 1 0 0.0 0.0
4 程谭 中北大学大数据学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (43)
共引文献  (12)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(6)
  • 参考文献(0)
  • 二级参考文献(6)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
时间序列
相似性度量
多项式平滑滤波
重要点
快速动态时间规整
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
测试技术学报
双月刊
1671-7449
14-1301/TP
大16开
太原13号信箱
22-14
1986
chi
出版文献量(篇)
2837
总下载数(次)
7
总被引数(次)
13975
论文1v1指导