[發(fā)明專利]一種多度量時間序列相似分析方法

有效

• 申請?zhí)枺?/td>: 201310508432.9
• 申請日: 2013-10-24
• 公開（公告）號: CN103577562A
• 公開（公告）日: 2014-02-12
• 發(fā)明（設(shè)計）人: 王繼民;朱躍龍;李士進;萬定生;馮鈞
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 南京蘇高專利商標事務(wù)所(普通合伙) 32204
• 代理人: 李玉平

1.一種多度量時間序列相似性分析方法，適用于時間序列的k-近鄰查詢，其特征在于，所述方法包括以下步驟：

根據(jù)分析需求選擇多種單一相似度量作為基分類器；

對待查詢時間序列按照所選擇的單一相似度量的需要提取特征，建立索引；

利用各單一相似度量對待查序列進行相似性分析，得到查詢序列的m-近鄰時間序列；

對各單一相似度量下的m-近鄰時間序列進行修剪，得到候選相似序列或子序列；

利用帶優(yōu)勢權(quán)重的多分類器組合法對候選相似序列或子序列進行組合得到最終的k-近鄰時間序列。

2.根據(jù)權(quán)利要求1所述的多度量時間序列相似性分析方法，其特征在于，作為基分類器的各單一相似度量是根據(jù)分析的需求從已有的相似度量中由用戶選擇；各單一相似度量都將待查序列分為第1相似序列、第2相似序列、…、第m相似序列以及不相似序列這樣的m+1類。

3.根據(jù)權(quán)利要求1所述的多度量時間序列相似性分析方法，其特征在于，每個單一相似度量的分析步驟具體為：提取時間序列特征，建立時間序列索引，運用時間序列相似性搜索方法，結(jié)合相似度量，檢索m-近鄰時間序列，m取值略大于k。

4.根據(jù)權(quán)利要求1所述的多度量時間序列相似性分析方法，其特征在于，對各單一相似度量下的m-近鄰序列進行修剪的步驟具體為：將各單一相似度量的m-近鄰序列按照時間順序排列，對各單一相似度量的相似序列之間交叉超過序列長度一半的序列進行修剪，修剪方法為，選擇新的時間序列代替交叉的序列，新序列的起點為交叉序列的起點時間的均值；若某單一相似度量的m-近鄰序列中未出現(xiàn)該新序列，則增加該序列作為相似序列，并利用相似度量重新計算與查詢序列之間的相似距離；刪除在所有的單一相似度量的m-近鄰序列中出現(xiàn)次數(shù)少于度量數(shù)一半的相似序列。

5.根據(jù)權(quán)利要求1所述的多度量時間序列相似性分析方法，其特征在于，利用帶優(yōu)勢權(quán)重的多分類器組合法對候選相似序列或子序列進行組合的具體步驟為：首先針對各單一相似度量，利用帶優(yōu)勢權(quán)重的組合法計算其產(chǎn)生的相似序列或子序列中各序列的排序得分，累計每個候選相似序列或子序列的排序得分，得到各候選相似序列或子序列的相似得分，對所有候選相似序列或子序列按照相似得分從高到底進行排序，排名前k的候選相似序列或子序列為查詢序列的k-近鄰序列。

6.根據(jù)權(quán)利要求1所述的多度量時間序列相似性分析方法，其特征在于，帶優(yōu)勢權(quán)重的多分類器組合法借鑒BORDA計數(shù)法并對其進行了改進，具體改進為：根據(jù)候選相似序列或子序列與查詢序列的相似距離對相似序列或子序列的排序得分進行加權(quán)，使得排序前后的相似序列或子序列之間的排序得分能夠反映其與查詢序列之間的相似性差距程度，累計候選相似序列或子序列的排序得分，得到該序列的相似得分。

7.根據(jù)權(quán)利要求6所述的帶優(yōu)勢權(quán)重的多分類器組合法，其特征在于：針對各單一相似度量，首先將該相似度量的候選相似序列或子序列按照相似距離從低到高排列（即相似程度高低排序），排在第一位的排序得分為m分，排在最后一位的排序得分為1分；排在第i位的排序得分為

r0=m-1ri=ri-1-(m-1)×ωi,i=1,2,···,m-1---(1)]]>

其中，ωi=Δdi/Σi=1m-1Δdi,(i=1,2,...,m-1)]]>

ω為相鄰兩個候選相似序列或子序列的優(yōu)勢權(quán)重。累計候選相似序列或子序列在各單一相似度量中的排序得分得到該候選相似序列或子序列的相似得分，相似得分的高低反映候選相似序列或子序列與查詢序列之間的相似程度。