基于符号化聚合近似的时间序列相似性复合度量方法

？基于关键点的符号化聚合近似(sax)改进算法(kp_sax)在sax的基础上利用关键点对时间序列进行点距离度量，能更有效地计算时间序列的相似性，但对时间序列的模式信息体现不足，仍不能合理地度量时间序列的相似性。针对sax与kp_sax存在的缺陷，提出了一种基于sax的时间序列相似性复合度量方法。综合了点距离和模式距离两种度量，先利用关键点将分段累积近似(paa)法平均分段进一步细分成各个子分段；再用一个包含此两种距离信息的三元组表示每个子分段；最后利用定义的复合距离度量公式计算时间序列间的相似性，计算结果能更有效地反映时间序列间的差异。实验结果显示，改进方法的时间效率比kp_sax算法仅降低了0.96%，而在时间序列区分度性能上优于kp_sax算法和sax算法。