文件名称：时间序列的模式挖掘-golang高级编程
文件大小：2.1MB
文件格式：PDF
更新时间：2024-07-21 21:41:27
大数据分析 工业大数据
图 6.4 三维全息谱与高阶谱 6.4.4 针对时序数据的时间序列类算法 工业设备产生的数据都是高频时序数据，针对时序数据的时间序 列类算法主要分六个方面：时间序列的预测算法如 ARIMA，GARCH 等； 时间序列的异常变动模式检测算法，包含基于统计的方法、基于滑动 窗窗口的方法等；时间序列的分类算法，包括 SAX 算法、基于相似度 的方法等；时间序列的分解算法，包括时间序列的趋势特征分解、季 节特征分解、周期性分解等；时间序列的频繁模式挖掘，典型时序模 式智能匹配算法（精准匹配、保形匹配、仿射匹配等），包括 MEON 算 法、基于 motif 的挖掘方法等；时间序列的切片算法，包括 AutoPlait 算法、HOD-1D 算法等。 图 6.5 时间序列的模式挖掘