基于子段距离计算的时间序列分类方法

摘要 关于时间序列分类的问题在过去十多年时间里已经引起极大的兴趣.并且已经有实验表明传统流行的分类算法像KNN等，已经很难处理时间序列的分类问题.基于Shapelet和DTW（动态时间规整，Dynamic Time Warping）的这一分类方法的时间复杂度又太高.本文提出一种新的基于子段距离计算的时序分类方法，通过对时间序列进行切分然后对切分后的子段用kshape算法进行聚类，在聚类结果中寻找两类时间序列各自比较有区分性的片段，并以此来作为分类的依据，该方法思路更为简单且时间复杂度不高.通过实验验证了我们算法的分类精度和适用性，并与shaplet算法相比我们算法在时间复杂度上更具优势