时间序列数据挖掘综述

Posted 2021-05-02 暨南大学ME

解析研究人:司圭 ｜ 编审:ME

两篇论文摘要选自北大核心期刊《决策与控制》,是关于时间序列数据挖掘方法的研究综述。

时间序列数据挖掘的相似性度量综述

在时间序列数据挖掘中，时间序列相似性是一个重要的概念。对于诸多算法而言，能否与一种合适的相似性度量方法结合应用，对其挖掘性能有着关键影响。然而,至今仍没有统一的度量相似性的方法。对此，首先综述了常用的相似性度量方法，分析了各自的优点与不足；其次，讨论了近年来出现的时序相似性的新解释及其度量方法；再次，探讨了相似性度量在时序挖掘任务中的应用以及与挖掘精度的关系；最后给出了关于时序相似性度量进一步的研究方向。

关键词： 时间序列数据挖掘；时间序列相似性；相似性度量；挖掘精度

论文原文：陈海燕,等, 时间序列数据挖掘的相似性度量综述. 控制与决策, 2017(01): 1:11.

多元时间序列相似性搜索研究综述

多元时间序列相似模式挖掘是数据挖掘领域的研究热点，它主要包括特征表示、相似模式度量和相似性搜索3个方面。目前，大部分研究成果主要集中在特征表示和相似模式度量，相似性搜索则成为制约问题突破的关键环节。为此，主要针对多元时间序列的相似性搜索进行综述，归纳了主要的相似模式度量方法，对比了不同相似模式度量下的序列搜索方法，并分析了不同方法的优缺点，以期为进一步研究多元时间序列相似性搜索提供帮助。

关键词：多元时间序列；数据挖掘；相似模式度量；相似性搜索

论文原文：李正欣等, 多元时间序列相似性搜索研究综述. 控制与决策, 2017(04): 577-583.

北大核心期刊网址

https://wenku.baidu.com/view/7257f2e6162ded630b1c59eef8c75fbfc77d94cf.html

《决策与控制》官网

http://kzyjc.alljournals.cn/ch/index.aspx