基于加权动态时间弯曲的多元时间序列相似性匹配方法

作者：叶燕清; 杨克巍; 姜江; 葛冰峰; 豆亚杰

来源：模式识别与人工智能, 2017, 30(04): 314-327.

DOI：10.16451/j.cnki.issn1003-6059.201704003

• 多元时间序列
• 相似性匹配
• 共同主成分分析
• 加权动态时间弯曲

针对常用方法忽略变量相关性和局部形状特性问题,提出基于加权动态时间弯曲的多元时间序列相似性匹配方法(CPCA-SWDTW).首先,在原加权动态时间弯曲算法基础上,引入形态因子,提出基于形态特征的加权动态时间弯曲算法(SWDTW).然后,提取多元时间序列的主成分作为模式表示,消除变量间的相关性,同时将方差贡献率作为相应主成分的权重.在此基础上,运用SWDTW,度量多元时间序列间的相似度.最后,通过相似性搜索实验表明,CPCA-SWDTW具有较好的准确性和鲁棒性.敏感性分析说明CPCA-SWDTW在一定程度上受到权重函数参数的影响.

• 单位
  国防科学技术大学