基于Eros的多元时间序列相似度分析

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (23): 111-114.

• 数据库、信号与信息处理 • 上一篇下一篇

基于Eros的多元时间序列相似度分析

郭小芳1，李锋2

1.江苏科技大学计算机科学与工程学院，江苏镇江 212003
2.江苏科技大学电子信息学院，江苏镇江 212003

出版日期:2012-08-11 发布日期:2012-08-21

Analysis on similarity of multivariate time series based on Eros

GUO Xiaofang1, LI Feng2

1.School of Computer Science and Engineering, Jiangsu University of Science and Technology, Zhenjiang, Jiangsu 212003, China
2.School of Electronics and Information, Jiangsu University of Science and Technology, Zhenjiang, Jiangsu 212003, China

Online:2012-08-11 Published:2012-08-21

摘要/Abstract

摘要： 为提高多元时间序列相似性度量的效率，采用扩展Frobenius范数（Eros）的主元分析（PCA）方法，通过主元和本征值构造主元相似因子，用于比较多元时间序列矩阵之间的相似性。为了验证这种方法的有效性，针对三组数据（两个真实数据，一个合成数据）进行了实验。结果表明，该方法相对于以往的欧几里德距离（ED），动态时间弯曲（DTW）相似性度量方法具有一定的优越性。

关键词: 多元时间序列, 主元分析, 扩展Frobenius范数（Eros）, 查全率-查准率

Abstract: In order to improve the similarity search efficiency of Multivariate Time Series（MTS）, Principal Component Analysis（PCA） method of Extended Frobenius norm（Eros） is used. Principal component similarity factors, which are composed of the main element and the eigen values, are used for the comparison of multivariate time series similarity matrix. In order to verify the validity of this method, experiments on real data set or synthesis experiment data set are carried out separately, the results show that, the proposed method has certain superiority than the traditional Euclidean Distance（ED）, Dynamic Time Warping（DTW） similarity measure method.

Key words: multivariate time series, principal component analysis, extended Frobenius norm, recall-precision

郭小芳1，李锋2. 基于Eros的多元时间序列相似度分析[J]. 计算机工程与应用, 2012, 48(23): 111-114.

GUO Xiaofang1, LI Feng2. Analysis on similarity of multivariate time series based on Eros[J]. Computer Engineering and Applications, 2012, 48(23): 111-114.

[1]	李果，马春阳，马建晓. 基于DPCA和改进证据理论的融合式故障诊断[J]. 计算机工程与应用, 2019, 55(20): 197-201.
[2]	邓清文，林志贤，郭太良. 一种基于主成分的多表图像哈希检索方法[J]. 计算机工程与应用, 2018, 54(3): 192-199.
[3]	陈飞宇1，阮鲲2，胡友彬1，曹磊3. 基于KPCA光谱特征约束的水边线提取算法[J]. 计算机工程与应用, 2018, 54(11): 171-177.
[4]	张玉叶1，王颖颖1，王春歆2，彭海军1. 分析参数相关和时序特征的飞行动作识别方法[J]. 计算机工程与应用, 2016, 52(5): 246-249.
[5]	刘博，郭建胜. 含噪声的海量多元时间序列降维方法研究[J]. 计算机工程与应用, 2015, 51(1): 137-142.
[6]	韩建栋，温静. 结合PCA与HEIV的椭圆目标检测算法[J]. 计算机工程与应用, 2014, 50(9): 1-4.
[7]	唐勇波. 改进特征样本方法的KPCA变压器故障检测模型[J]. 计算机工程与应用, 2014, 50(21): 4-7.
[8]	彭必灿，张正道. 基于稀疏主元分析的过程监控研究[J]. 计算机工程与应用, 2014, 50(18): 240-245.
[9]	郭小芳1，李锋2，叶华1. 基于B+-tree索引的多元时间序列相似查询[J]. 计算机工程与应用, 2013, 49(22): 139-142.
[10]	马先喜，彭力，徐红. 基于PCA的拉普拉斯金字塔变换融合算法研究[J]. 计算机工程与应用, 2012, 48(8): 211-213.
[11]	唐彩虹，江艳霞，王娟. 基于分块相位一致性的人脸识别算法[J]. 计算机工程与应用, 2012, 48(36): 201-204.
[12]	王燕，马倩倩，韩萌. 基于特征点分段的多元时间序列相似性搜索[J]. 计算机工程与应用, 2012, 48(33): 162-166.
[13]	李晓波，樊养余. 一种不受初始权值向量影响的MCA学习算法[J]. 计算机工程与应用, 2012, 48(26): 22-24.
[14]	郭金玉，刘玉芹. 鲁棒主元分析在掌纹识别中的应用[J]. 计算机工程与应用, 2012, 48(19): 8-10.
[15]	王瑜，薛红. 鉴别矢量增强在人耳人脸多模态识别中的应用[J]. 计算机工程与应用, 2012, 48(12): 29-33.

基于Eros的多元时间序列相似度分析

Analysis on similarity of multivariate time series based on Eros

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics