文件名称：SFA:可扩展的时间序列数据分析
文件大小：64.39MB
文件格式：ZIP
更新时间：2024-05-21 06:42:51
time-series indexing classification similarity-measures Java
时间序列数据分析 由于数据的高维，错误或无关的数据以及大型数据集，使用时间序列很难。 时间序列数据分析的核心是（a）时间序列表示和（b）用于比较两个时间序列的相似性度量。 相似性度量有许多理想的属性。 时间序列中常见的相似性度量是动态时间规整（DTW）或欧氏距离（ED）。 但是，它们已有数十年历史，无法满足当今的要求。 对UCR时间序列分类基准的研究过于依赖导致了两个陷阱，即：（a）他们主要关注准确性，并且（b）假设它们是经过预处理的数据集。 还有其他理想的特性：（a）无对准的结构相似性；（b）噪声鲁棒性；以及（c）可伸缩性。 该存储库包含一个符号时间序列表示（ SFA ），三个单变量（ WEASEL ， BOSS和BOSSVS ）和一个多元（ WEASEL + MUSE ）时间序列模型，用于无对齐，鲁棒的和可扩展的时间序列数据分析。 最后，提供了早期时间序列分类框架TEASER 。