变长相似性时间序列模体的排序与显著性

时间序列中非常相似的模式（通常称为模体）的检测已受到来自不同科学界持续增长的关注。特别是，近期提出了发现不同长度的相似模体的方法。在这项工作中，我们表明此类基于相似性的变长模体不能通过其归一化不相似度直接比较，从而不能直接排序。具体而言，我们发现长度归一化的模体不相似度仍对模体长度具有内在依赖，且最低不相似度受此依赖影响尤为明显。此外，我们发现此类依赖通常是非线性的，并随所考虑的数据集和不相似度度量而改变。基于这些发现，我们提出了一种对这些模体排序并度量其显著性的方案。该方案依赖于对不相似度空间的紧凑而准确的建模，使用了一个三参数beta分布，其参数以非线性方式依赖于模体长度。我们认为变长不相似度的不可比性可能超越时间序列领域，且此处使用的类似建模策略可能在更广义的语境中有所帮助。