基于分段特征及自适应加权的DTW相似性度量

• 作者: 刘苗苗 周从华 张婷
• 来源期刊: 计算机工程
• 关键词: 多元时间序列 动态时间弯曲 相似性度量 分段特征 自适应代价权重
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 62-68,77
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0058855

摘要

利用动态时间弯曲(DTW)技术在原始多元时间序列进行相似性度量时时间复杂度较高,且DTW在追求最小弯曲距离的过程中可能会出现过渡拉伸和压缩的问题.提出一种基于分段特征及自适应加权的DTW多元时间序列相似性度量方法.对原始时间序列在各个变量维度上进行统一分段,选取分段后拟合线段的斜率、分段区间的最大值和最小值以及时间跨度作为每一段的特征,实现对原始序列的大幅降维,提高计算效率.在DTW计算最佳弯曲路径的过程中为每个点设置自适应代价权重,限制弯曲路径中点列的重复使用次数,改善时间序列因过度拉伸或压缩所导致的度量精度低的问题,以得到最优路径路线.实验结果表明,该方法能很好地度量多元时间序列之间的相似性,在多个数据集上都能取得较好的度量结果.