基于分段聚合时间弯曲距离的时间序列挖掘 (2011年)

针对时间序列的相似性度量问题，提出基于分段聚合时间弯曲距离的时间序列挖掘方法。首先运用经典分段聚合近似方法来对时间序列进行数据变换，实现时间序列的特征提取和数据降维。然后利用动态时间弯曲距离进行距离计算，最后将其应用于时间序列聚类和分类的数值实验中。新方法不仅过程简单、易于实现，而且实验结果表明其平均分类错误率与传统分段时间弯曲相比，几乎降低了50%。同时，新方法在运行时间和聚类挖掘结果上都具有一定的优势。