Classification of Time Series Data with Nonlinear Similarity Measures

Thomas Schreiber; Andreas Schmitz

doi:10.1103/PhysRevLett.79.1475

基于非线性相似测度的时间序列数据分类

托马斯·施赖伯和安德烈亚斯·施密茨

物理学。修订稿。79，1475–1997年8月25日出版

摘要

我们解决了时间序列记录的无监督分类问题。其目的是形成一组序列或更长序列的片段，这些序列或片段表现出类似的动力学行为。考虑了两个时间序列之间的几种相似性度量。然后通过使用模拟退火最小化合适的成本函数来形成组或簇。除了对系统进行分类外，该方法还可用于监测非平稳信号中的突变或连续变化。我们进一步讨论了监督的包含，并建议在基于替代数据的非线性测试中使用相似性度量。