[发明专利]基于目标特征的时间序列相似性计算方法

说明书

本发明属于计算机大数据挖掘与应用领域，具体涉及一种基于目标特征的时间序列相似性计算方法。本发明主要通过将一元时间序列根据使用者需要，分解为多个目标特征序列，并利用训练集训练得到的各目标特征单分类的准确度与距离分布确定各特征权重，最终在计算两时间序列距离时求出其各目标特征间的DTW距离，再进行加权相加，得到最终的目标特征距离，用以度量时序的相似性。本方法相比传统的相似度量方法，不仅可以用于整体的时序相似性度量，还可以针对某特征或多个特征的出现进行相似性度量，有更广泛的相似度量适用性。

技术领域

本发明涉及计算机大数据挖掘与应用领域，具体涉及一种基于目标特征的时间序列相似性计算方法。

背景技术

时间序列(Time Series)是一组按时间先后顺序对某一物理量进行观测得到的有序数据，这些数据通常是观察事件发生的记录或者特定模式的数值。这种数据在经济、医学、金融、气象等社会经济领域都有涉及。如商品在某一季度的销售额、病人在某个时段的心率变化、金融证券市场中某支股票的价格变动、天气预报中某地区的温度与湿度变化数据等。海量的时间序列数据形成规模庞大的时间序列数据库，在数据库中真实记录了各个时刻的所有应用数据信息。如果能够找到某种方法可以合理高效地处理这些数据，发现他们内部的相互关系，序列数据中的潜在信息便可以被充分挖掘，大大提高时间序列数据的实际使用价值。而时间序列数据挖掘的主要研究目的在于如何快速、有效的发现时间序列的潜在信息。

如何确定时间序列数据之间的距离，也即如何度量两个序列之间的相似度，是时间序列数据挖掘的基础问题，在kNN、SVM、k-Means等传统机器学习中广泛使用。合理的时序距离计算方式能更好地反映事物的变化规律，使挖掘结果更合理、更有价值。相似性度量算法的优劣，直接影响分类结果的好坏，与异常检测、相似性搜索等工作是否能顺利进行也有密切关系。

目前以动态时间弯曲(Dynamic Time Warping，DTW)为代表的时间序列距离算法，在进行时序相似性度量的时候通常关注于整体形态与运动趋势是否相似。一些场景下的时序，大部分时候相互呈独立、无关、随机的运动，只有当发生重大事件或受到外部影响的时候，出现高度相似的剧烈运动。例如相距甚远的河流在洪水爆发时共同出现水流量剧增；没有强烈关联的股票在大盘发生大幅度涨跌的时候出现大幅度同向价格变动等。对于这些局部存在的强烈关联运动，传统的DTW类算法无法很好地描述这些信息。

发明内容

本发明的目的就是要解决现有技术的不足，针对当前时序相似性度量方法无法很好捕捉局部剧烈变动相似关联性的问题，提供一种基于目标特征的时间序列相似性计算方法，即使时间序列间整体形态相似性弱，只在剧烈运动时存在高度关联，本方法也能将这些局部强关联捕捉到。

为了达到上述目标，本发明提出将传统的在DTW距离基础上，将多元时序相似性计算方法应用于一元时序的目标特征动态时间弯曲方法(TargetFeatureDynamicTimeWarping，TFDTW)，包括如下步骤：

S1.对一元时间序列训练集中的数据进行归一化处理；

S2.定义时间序列的目标特征及其计算方式，并求出目标特征时序，将一元时序转换为目标特征时序组成的多元时序；

S3.根据不同种类目标特征时序，将训练集中时间序列依次与其他时序数据的对应特征时序进行DTW(Dynamic Time Warping)距离计算，再根据距离进行1-NN(1-NearestNeighbor)分类，计算各种特征进行分类时的准确度，同时记录这个过程中各类目标特征距离的中位数，依据分类准度和中位数算出各目标特征的权重W；

S4.对于待求距的两个时间序列归一化处理后，分别求出其目标特征时序，计算同类目标特征间的距离，再以S3求出的权重W进行加权累加，得到目标特征动态时间弯曲距离(TFDTW)。