基于EMD的时间序列相似性度量算法

时间序列本身具有高维、高噪声的特点.在进行相似性度量之前,需要对序列进行特征表示.针对时间序列相似性度量工作中,使用分段线性表示方法对序列进行特征表示,分段拟合效果依赖于划分粒度,若分段数和分段点选取不当,可能导致拟合效果不佳、难以准确反映序列整体形态趋势的问题,提出一种新的基于趋势的相似性度量方法.该方法将经验模态分解方法与分段线性表示方法相结合,首先用经验模态分解方法过滤细节信息,提取序列的主要形态趋势,得到趋势拟合序列.在此基础上,再用分段线性表示方法对趋势拟合序列进行分段表示,减少拟合结果对划分粒度的依赖性.最后给出序列的分段向量距离计算方法,对趋势分段序列计算加权向量距离,得到不同序列之间的相似性.仿真实验表明,该算法稳定有效、对噪声不敏感