王培屹
(郑州幼儿师范高等专科学校,河南 郑州 450000)
时间序列数据能够随着时间而变化,它的产生过程极易受环境的影响,而且会伴随一定的噪声。由于数据极为繁杂,研究的难度很大,然而其中蕴含着有非常价值的信息,这类信息对于社会实践具有重要的意义。时间序列数据相较于普通数据而言,它是高维的,在实践过程中,针对时间序列数据,通常都必须对其进行降维,具体方法有两种:其一是进行全局特征分解;其二是局部特征提取。时间序列相似性度量的作用是挖掘时间序列数据中存在的有价值的信息,使其更好地应用于社会生产实践。
时间序列特征表示的含义:针对原时间序列数据,使之转变成另外一个不同论域中的数据,并实现其降维,在进行降维之后,对于低维空间的数据,也能最大限度地反映出原时间序列的信息。就目前而言,已经出现很多特征表示方法,下面就简单介绍几种:
分段线性表示方法与其他表示方法相比,更加直观和简单,它在时间序列数据挖掘中的应用最为普遍,通常和时间序列相似性度量方法相互配合来使用。利用这种方法来分割时间序列,需要建立线性模型。根据分割方法的不同,采用的分割策略也不同。据分析研究可知,对于滑动窗口方法和自底向上的方法而言,其时间复杂度和序列长度的关系是前者为后者的平方阶;而对于自顶向下的方法而言,其时间复杂度为线性阶。……