基于自适应步长的多元时间序列Motif优化算法

刘晓彤， 车文刚

(昆明理工大学 信息工程与自动化学院， 云南 昆明 650500)

时间序列是指某一指标按照时间顺序形成的数据集合，是数据发生变化的历史轨迹，具有非平稳、非正态、非线性的特点[1]。时间序列特征表示[2]是将原始的时间序列进行降维处理，能更好地突出特征，为后续的挖掘奠定基础。已有的特征表示方法有基于分段的表示方法、基于符号的表示方法、基于模型的表示方法、基于变换的表示方法等。Keogh等[3]提出的分段聚合近似算法是将时间序列分割为长度相同的片段，在一定程度上对数据进行降维处理，以分割后的数据均值来体现短期趋势的特点。在后续的研究中，有研究者将符号化聚合近似算法与分段聚合近似算法相结合[4]，以符号化表示序列。这种表示虽然能够提升运算速度，以符号序列的形式进行后续的聚类，但是却丧失了数据的特征。孙友强等[5]对时间序列分段内的趋势距离进行定义，将分段序列中的平均值和趋势距离作为序列段中的特征信息进行符号化表示。尹洪[6]针对卫星时序数据问题，提出一种基于并行分割的卫星时序数据符号化技术，并引入关联规则的探究，提升了处理时间序列的效率。

在实际生活中，一件事物的出现往往伴随着很多的因素，若使用某一个元素来对一件事物进行预测，忽视其他相关的因素，可能会出现片面性。为了解决这一问题，本文将多元素融入到时间序列之中，探究多元时间序列下的特征模式，通过提取序列中的重要特征来降低序列数据维度。……