[发明专利]基于子序列全连接和最大团的时间序列模体发现方法

权利要求书

1.一种基于子序列全连接和最大团的时间序列模体发现方法，其特征在于，包括以下步骤：

(1)子序列全连接

使用长度为m的滑动窗口应用嵌套循环计算时间序列T中所有子序列之间的距离；

(2)构建子序列相似图

定义相似性阈值，小于相似性阈值的距离值用1表示，其他距离值用0表示，将距离矩阵转换为邻接矩阵；根据邻接矩阵得到图，此图称为子序列相似图；

(3)寻找最大团

使用最大团算法解决子序列相似图的最大团问题；所得最大团的顶点对应时间序列模体的实例。

2.根据权利要求1所述的基于子序列全连接和最大团的时间序列模体发现方法，其特征在于，所述步骤(1)中使用“超快速”的MASS算法得到距离矩阵；该算法的“超快速”在于其先对数据进行了快速傅里叶变换，然后执行点积操作，将点积操作结果再进行逆傅里叶变换，最后将逆傅里叶变换后的结果用于计算基于z-归一化的欧式距离，得到距离矩阵Distance Matrix。

3.根据权利要求2所述的基于子序列全连接和最大团的时间序列模体发现方法，其特征在于，所述步骤(1)中欧氏距离Dist[i]公式如下：

其中，m为子序列的长度，μ_Q为时间序列子序列Q的平均值，σ_Q为时间序列子序列Q的标准差，M_T为时间序列子序列T_i,m的平均值，∑_T为时间序列子序列T_i,m的标准差。

4.根据权利要求1所述的基于子序列全连接和最大团的时间序列模体发现方法，其特征在于，距离矩阵中存在平凡匹配的子序列的距离值设置为inf，相似性阈值eps＝6，距离值小于eps时，距离元素用1表示，大于相似性阈值或为inf时用0表示，最终得到相似邻接矩阵。

5.根据权利要求1所述的基于子序列全连接和最大团的时间序列模体发现方法，其特征在于，所述步骤(3)中，使用的最大团算法提出一个新的目标函数:

其中参数d≥0，假设图G的邻接矩阵为A，u为函数的局部极小值，定义相关的改进邻接矩阵为B＝A+I_n，M_d＝(1+d)B-d1_n×n，其中I_n为n阶的单位矩阵，1_n×n为元素全1的n×n矩阵；目标函数的局部最小值对应图G的极大团，全局最小值对应图G的最大团；使用梯度下降算法作为迭代算法，利用Armijo准则调节步长，求解目标函数的最优解，该最优解对应图G的最大团。