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