基于自适应分段聚合的云模型序列相似度评价方法

• 作者: 李金武
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 云模型 自适应 分段聚合 相似度
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 算法
• 页码范围: 239-245,291
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.11.039

摘要

为了更好地对时间序列连续型指标数据进行评价,最大限度提取局部数据特征值,提出一种自适应分段聚合云模型评价方法.依据云模型的熵判断分段聚合数据的稳定性,对稳定性极差的分段聚合数据重新进行分段聚合,自适应地形成稳定性较好的云模型数据序列.同时,综合考虑云模型的距离和形状,提出一种通过超熵值进行修正的云模型相似度评价方法,并对云模型数据序列进行评价.通过实验验证,对突发性较强的时间序列进行大幅度压缩时,该方法能够保证评价结果的准确性,评价结果符合预期.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李金武		11	13	2.0	3.0