面向时间序列基于趋势近似的PAA改进
机器学习
2019-07-02 v1 机器学习
摘要
分段聚合近似是用于高维时间序列挖掘的一种具有竞争力的基本降维方法。然而，在实际部署时，其局限性很明显，即会丢失一些重要信息，尤其是趋势。在本文中，我们提出了两种利用近似趋势特征信息的时间序列新方法。我们的第一种方法基于每个片段的相对均值来记录趋势，将每个片段分为两部分，并分别使用数值平均值来表示趋势。我们证明了该方法满足下界，从而保证不会发生假丢弃。我们的第二种方法使用二进制字符串来记录趋势，该趋势也与每个片段的均值相关。我们将该方法应用于分类和异常检测中的相似性度量，实验结果表明，通过适当地提取趋势特征，可以提高准确性和有效性。
引用
@article{arxiv.1907.00700,
title = {An Improvement of PAA on Trend-Based Approximation for Time Series},
author = {Chunkai Zhang and Yingyang Chen and Ao Yin and Zhen Qin and Xing Zhang and Keli Zhang and Zoe L. Jiang},
journal= {arXiv preprint arXiv:1907.00700},
year = {2019}
}