一种基于关键点的SAX改进算法
SAX(symbolic aggregate approximation)是一种符号化的时间序列相似性度量方法，该方法在对时间序列划分时，采用了PAA算法的均值划分，但均分点无法有效描述序列的形态变化，导致序列间对应分段均值相似的情况下，SAX无法有效区分序列之间的相似度．在SAX算法的基础上，提出了基于关键点的SAX改进算法(KP_SAX)，该算法的相似性度量公式既可描述时间序列自身数值变化的统计规律，又可描述时间序列形态变化．实验结果表明：KP_SAX虽然部分提高了算法的复杂度，但可在SAX算法无法计算序列相似度的情况下，有效计算各序列间的相似度距离，达到了改进的目的．
时间序列 SAX改进算法 相似度 数值变化 数据库
闫秋艳 孟凡荣
中国矿业大学计算机科学与技术学院 江苏徐州 221116
国内会议
南昌
中文
483-490
2009-10-15（万方平台首次上网日期，不代表论文的发表时间）