一种支持时间序列数据的CBR检索算法 (2007年)

探讨了如何为 CBR(基于范例的推理)增加对一种特殊的范例类型―――时间序列数据的支持。分析了基于谱 分析的时间序列相似度比较算法不适用于 CBR检索的缺点,并在此基础上设计了一种综合性能很好的 CBR检索算 法。思路是把时间序列相似度比较转化成一个卷积问题,并用 DFT来简化这个卷积的计算。通过对这种 CBR检索算 法进行了深入的理论分析和认真的实验,结果证明,提出的算法是一个高效的算法。在这个检索算法的基础上,CBR 就能够应用到时序数据的分析推理中,具有广阔的应用前景。