為了更有效的對時間序列進行相似性搜索,本文從相似性度量函數(shù)的角度提出一種改進的基于下界函數(shù)的DTW （Dynamic Time Warping）相似性搜索方法NLB-FDTW。上述方法定義一種更有效的下界函數(shù),減少DTW的計算開銷,加快相似性搜索的速度。為了驗證所改進的DTW相似搜索算法的有效性,對一個月的交通流量進行了相似性搜索的實驗。結(jié)果表明,基于下界函數(shù)的DTW在很大程度上減少計算量,NLB-FDTW相較于基于歐氏距離或原始DTW的相似性搜索是一種高效的時間序列相似性搜索方法。 

【文章來源】：計算機仿真. 2019,36(02)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 時間序列的相似性度量方法
3 改進的DTW方法NLB-FDTW
    3.1 算法框架
    3.2 歸一化
    3.3 LB_Kim下界函數(shù)
    3.4 LB_Lweng改進的新下界函數(shù)
4 實驗及結(jié)果
    4.1 實驗數(shù)據(jù)與預處理
    4.2 實驗結(jié)果與對比分析
5 結(jié)束語


【參考文獻】：
期刊論文
[1]基于DTW的時間序列流相似性搜索方法[J]. 陶洋,李鵬亮,沈敬紅,熊炫睿.  計算機工程與設計. 2017(12)
[2]基于彎曲距離三支決策的時序相似性算法[J]. 徐健鋒,何宇凡,張遠健,湯濤.  計算機科學. 2017(09)
[3]改進時間序列模型在降雨量預測中的應用研究[J]. 白玉潔.  計算機仿真. 2011(10)
[4]基于形態(tài)特征的時間序列相似性搜索算法[J]. 毛云建,杜秀華.  計算機仿真. 2008(01)



本文編號：3199598