软件学报

作者：魏池璇，王志海，原继东，林钱洪

单位：魏池璇，北京交通大学 计算机与信息技术学院, 北京 100044;交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 10004411,王志海，北京交通大学 计算机与信息技术学院, 北京 100044;交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 10004402,原继东，北京交通大学 计算机与信息技术学院, 北京 100044;交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 10004403,林钱洪，北京交通大学 计算机与信息技术学院, 北京 100044;交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 10004404

关键词：时间序列;模式挖掘;时间序列符号化;可解释性

基金：国家自然科学基金（61771058）；北京市自然科学基金（4214067）

对于许多实际应用来说，获取多个不同窗口尺度上的模式，有助于发现时间序列的不同规律性特征.同时，通过对时间序列时域和频域两方面的分析，有助于挖掘更多的知识.提出了一种新的基于可变尺度的时域频域辨别性特征挖掘方法以及应用于分类的算法.主要采用了不同尺度窗口、符号聚合近似技术以及符号傅里叶近似技术等，以有效地发掘时间序列不同尺度时域频域模式；与此同时，使用统计学方法挖掘部分最具辨别性的特征用于时间序列分类，有效地降低了算法时间复杂度.在多个数据集上的对比实验结果，说明了该算法具有较高的准确率；在真实数据集上的解析，表明了该算法具有更强的可解释性.同时，该算法可扩展应用到多维时间序列分类问题中.

来源：2022年第12期

《软件学报》期刊编辑部

查看软件学报杂志2022年第12期