| 目前,时间序列相似性判定大多采用欧式距离和动态时间弯曲DTW (Dynamic Time Warping)方法,这两种方法均存在一定缺陷.欧式距离要求序列长度一样,垂直移动序列将影响相似性判定和阈值设置的经验性;动态弯曲距离对欧式距离进行了优化,避免了欧式长度的一致性,但其他两个缺点仍然存在且计算复杂度增加.提出了一种新的基于两点时间序列相似性算法,可计算任意两序列的相似度.首先分析了两点组成的序列形态,提出了相似性判定方法TPSS(Two Points Segmentation Similarity);其次为提高相似性判定的鲁棒性,减少人为阈值设置的影响,对TPSS进行了拓展;最后给出了算法及实验分析.实验结果表明,该算法能很好地判定任意序列的相似性,提高了鲁棒性及减少人为干预,对数据挖掘中的聚类与预测有很好的帮助作用. |