论文学习——基于极值点特征的时间序列相似性查询方法

写在前面：《计算机应用研究》；
作者：吴学雁、黄道平（华南理工大学）

1 摘要

1. 研究的是：时间序列子序列匹配问题
2. 首先识别出序列中的极值点，然后根据极值点 使用多层次极值划分法对长序列进行划分。
3. 然后对划分得到的多层次子序列集 使用改进的动态时间弯曲方法与查询序列进行相似性匹配。
4. 最后找到与查询序列最相似的子序列。

2 引言

1. 时间序列存在各种复杂变形（如平移、伸缩、间断等），且变形时间和变形程度均无法预料，而广泛采用欧式距离及其变体 对时间轴的变形非常敏感，一些轻微的改变就会导致欧式距离发生很大变化。

2. 在时间序列数据中，尤其是水文时间序列，最值得关注的往往是序列中的一些特征点。

3. 本文提出一种提取重要极值点的方法，依据重要极值点对时间序列进行分段表示；然后在此基础上使用一种改进的DTW方法进行相似性度量。

3 研究现状

3.1 全序列匹配和子序列匹配

时间序列相似性查询分为全序列匹配和子序列匹配两种方式。在全序列匹配中，查询序列与被查询序列的长度相同；在子序列匹配中，查询序列Q和查询序列P 被给定，任务是在序列P中寻找与序列Q相匹配的子序列。

3.2 三种子序列匹配分段方式

3.3 相似性度量函数的选取

• 欧式距离对于时间轴的变化非常敏感
• 大量文献都是在DTW的基础上进行改进，并且大部分改进都是在使用DTW算法之间，加入预先的筛选剪枝过程。
  

4 本文重点——多层级极值划分方法

4.1 重要性标志算法（EIIR）

• cyc是用户定义的参数，表示极值的计算邻域范围。如果cyc=3，则表示在序列点前后三个点的范围内进行计算。
• 在cyc范围内判断重要极值点。

4.2 极值点判断算法（JEP）

4.3 多层次分段获取算法（MSR）