基于dtw距离的时间序列相似性查询和shapelets分类算法研究

《基于dtw距离的时间序列相似性查询和shapelets分类算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391密级太原理工大学硕士学位论文题目:基于DTW距离的时间序列相似性查询和shapelets分类算法研究英文题目:ResearchoftheAlgorithmofSimilarityQueryandClassificationwithShapeletsBasedonDTWDistance研究生姓名：孙宏伟学号：2013510290专业：软件工程研究方向：数据挖掘与智能信息处理导师姓名：王会青职称：副教授论文提交时间：2016/04学位授予单位：太原理工大学地址：山西·太原太原理工大学声明本人郑重声明：所

2、呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体己经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它子复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目

3、的，复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容（保密学位论文在解密后遵守此规定）。作者签名：日期：导师签名：日期：太原理工大学硕士研究生学位论文基于DTW距离的相似性查询和shapelets分类算法研究摘要随着时间序列挖掘相关技术的不断发展，如何权衡算法效率与准确性成为研究人员关注的焦点。由于时间序列的高维性和复杂性特点，通常难以既高效又准确地对时间序列进行分析和处理。因此在不丢失关键信息的前提下，对时间序列进行适当的降维处理，降低算法中对数据维度依赖性极大的运算复杂度，以获得高效与准确两者的平衡

4、有一定的理论意义和应用价值。本文分析了时间序列挖掘算法的特点，重点对相似性查询和分类的关键技术进行了研究，分析比对了经典算法以及其存在的问题，提出基于滑动窗口分段的下界距离算法和基于高效子序列匹配的shapelets转化分类算法，从理论和实际数据两方面证明了改进算法的可行性和有效性。主要工作如下：（1）时间序列基础算法分析。针对时间序列挖掘中的表示方法和距离度量方法进行了总结与分析，列举相应的经典算法进行详细说明，并对其进行比较。介绍并分析了时间序列相似性查询与分类的研究目的、算法原理、实际应用等相关内容。（2）提出

5、基于滑动窗口分段的下界距离算法。下界距离算法在提高时间序列相似性查询效率、减少冗余计算等方面起非常重要的作用，现有的基于点对累积近似表示法的下界算法，相似度计算的时间代价较小，但当I太原理工大学硕士研究生学位论文时间序列振幅波动较大时，往往不能紧致地拟合时间序列。针对这一问题，在下界算法中引入滑动窗口分段表示法，提出一种基于滑动窗口分段的动态时间弯曲下界算法，构建拟合度更高的上下边界曲线，对时间序列进行过滤，筛除相似性较差的时间序列。该算法能够有效地简化时间序列相似度的计算过程，降低运算复杂度，提高相似性查询效率，且

6、当时间序列的振幅波动较大时，取得较高计算精度与效率。（3）提出基于高效子序列匹配的shapelets转化分类算法。由于大量复杂的距离计算，使得整个分类过程效率非常低，会耗费大量时间，现有的优化算法都无法彻底解决这个问题。针对这一问题，在shapelets分类算法中引入点对累积近似表示法和一种高效子序列匹配算法，提出一种基于高效子序列匹配的shapelets转化分类算法，先用点对累积近似表示法对数据进行适当的降维处理，之后用子序列匹配算法简化分类过程。高效子序列匹配算法可以与shapelets分类算法有效地结合，能够在

7、保证较高分类准确度的同时，较好的简化算法计算过程，提高分类效率。关键词：时间序列，相似性查询，分类，动态时间弯曲距离，滑动窗口分段表示，高效子序列匹配。II太原理工大学硕士研究生学位论文RESEARCHOFTHEALGORITHMOFSIMILARITYQUERYANDCLASSIFICATIONWITHSHAPELETSBASEDONDTWDISTANCEABSTRACTWiththecontinuousdevelopmentoftimeseriesminingtechnologies,howtobalanceef

8、ficiencyandaccuracyofthealgorithmhasbecomethefocusofattentionofresearchers.Duetothehighdimensionalandcomplexcharacteristicsoftimeseries,itisoftendifficulttoanalysisandproces