【技术实现步骤摘要】
本专利技术涉及时间序列数据转化为图结构数据的方法，具体涉及一种时序数据转为图数据的方法、时序对间相似性计算方法。
技术介绍
1、随着物联网、大数据等新一代信息技术逐渐在各领域中越来越广泛的应用，人们从社会生产生活过程中采集到的数据越来越多。时序数据是其中的一种重要形式。时序数据通常是一个过程的观察结果，其值是从均匀时间间隔或给定采样频率下测量收集的，常用表示，其中n是观测的样本个数，m、n分别为观测值个数以及观测变量个数。当n＝1时，称为单变量时间序列；当n≥2时，称为多变量时间序列。
2、时序数据分析中经常需要计算时间序列数据对之间的相似性。一种可行的方法是将时序数据先转化为图结构数据，再通过计算图之间的相似性分数来度量相应时间序列之间的相似性。现有的将时序数据转化为图结构数据的方法通过直接采用序列值、聚类序列值、聚类或分类子序列某些特征值(子序列可重叠)等方法来确定序列的状态(即图中的节点)，对序列状态的设置过于细致或粗糙，导致转化后的图结构数据未能准确反映时序数据的特征，进一步导致对其相似度的计算不够准确。
技术实现思路
1、本专利技术的目的是提供一种时序数据转为图数据的方法、时序对间相似性计算方法，以解决现有的方法对序列状态的设置过于细致或粗糙，导致转化后的图结构数据未能准确反映时序数据的特征，进一步导致对其相似度的计算不够准确的技术问题。
2、为了达到上述目的，本专利技术提供了一种基于logistic运算的时间序列数据转化为图结构数据的方法，其特殊
3、步骤1、对单变量时间序列x＝[x1，x2，…，xm]t施行min-max标准化运算，将其取值范围调整至区间[-a，a]，a是大于0的实数，记结果为x’，即：
4、
5、其中，x(k)＝xk表示单变量时间序列x中第k个取值，1≤k≤m，且k为整数，m表示序列x的长度；xmax和xmin分别是序列x的最大值和最小值；
6、步骤2、对x’的每项值施行logistic运算：
7、
8、将其取值范围调整至区间[b，c]，记结果为x”，其中0<b<c<1，b＝1/(1+ea)，c＝1/(1+e-a)；
9、步骤3、对x”中的每项值乘以尺度系数δ，δ为不小于1.0的实数，记得到的时间序列为x”’，则：
10、x”’(k)＝x”(k)×δ；
11、步骤4、以x”’的最小值x”’min为基础，以步长s为单位，建立时间序列数据x”’的状态区间，s为大于0的实数，即以下列r+1个点构成等距离的r个区间：
12、
13、其中br≥x”’max，x”’max是x”’的最大值；第一个状态区间的取值范围为[b0，b1]，其余状态区间的取值范围为(br-1，br]，r＝2，3，..，r；
14、步骤5、依次将x”’的每项值按其所落入的状态区间转化为状态符号，将x”’转化为状态符号序列s，则：
15、
16、步骤6、以s中的每种状态符号为一个节点，以状态符号序列中前后相邻两个状态的转换为有向边，将状态符号序列转化为有向图g：
17、g＝(n，e，a，w)；
18、其中，n为图的节点集合，即状态符号节点的集合；e＝{eij}为状态转移边集合，eij存在的条件为i∈n，j∈n；a＝{ai}为节点的属性集合，表示状态符号节点i在s中出现的相对频率，其中|·|表示集合的基数，len(·)表示序列的长度；w＝{wij}为边的权重，表示从状态节点i转移到状态节点j的相对频率。
19、本专利技术还提供了一种计算时间序列对之间相似性的方法，采用上述的基于logistic运算的时间序列数据转化为图结构数据的方法，其特殊之处在于，包括以下步骤：
20、步骤1、将待计算相似度的所有单变量时间序列xix顺序连接，构成一个单变量时间序列x，上标ix表示时间序列的编号；对x施以施行min-max标准化运算，得到时间序列x’；
21、步骤2、对时间序列x’施行logistic运算，得到时间序列x”；
22、步骤3、对序列x”中的每项取值乘以尺度系数δ，得到时序数据为x”’
23、步骤4、以x”’的最小值为基础，以步长s为单位，建立x”’的状态区间；
24、步骤5、依次将x”’的每项取值转化为状态区间中的对应状态，将x”’转化为状态符号序列s；从s中获得每个时间序列xix的状态符号序列six；
25、步骤6、以six中的每种状态符号为一个节点，以状态序列中前后相邻两个状态的转移为有向边，将状态符号序列six转化为有向图gix；
26、步骤7、对任意两个时间序列xix，依据其对应的有向图gix计算二者之间的相似性分数。
27、进一步地，步骤7具体为：
28、对任意两个时间序列xix分别计算各个有向图gix的下列属性：
29、(1)状态符号节点出现概率分布的复杂度其中上标ix表示时间序列的编号；下标state是表示该概率分布是状态符号节点出现概率分布标签；
30、(2)状态转移停留在各节点的概率分布的复杂度其中下标staying为该概率分布是状态转移停留在各节点的概率分布标签；
31、(3)状态转移出各节点的概率分布的复杂度其中下标out为该概率分布是状态转移出各节点的概率分布标签；
32、(4)状态转移入各节点的概率分布的复杂度其中下标in为该概率分布是状态转移入各节点的概率分布标签；
33、将各个有向图gix的上述复杂度属性依序组成向量
34、作为各自的特征向量计算两个有向图gix特征向量之间的欧式距离并取负值，作为相应两个时间序列xix之间的相似性分数。
35、进一步地，步骤7中：
36、所述状态符号节点出现概率分布根据每种状态在状态序列six中出现的频次计算；
37、所述状态转移停留在各节点的概率分布根据在状态序列six中每个节点转移到自己的频次计算；
38、所述状态转移出各节点的概率分布根据在状态序列six中每个节点转移到其他节点的频次计算；
39、所述状态转移入各节点的概率分布根据在状态序列six中每个节点从其他节点转移而来的频次计算。
40、进一步地，步骤7中：
41、所述状态符号节点出现概率分布由下式计算：
42、
43、所述状态转移停留在各节点的概率分布由下式计算：
44、
45、所述状态转移出各节点的概率分布由下式计算：
46、
47、所述状态转移入各节点的概率分布由下式计算：
48、
49、其中，n为有向图的节点集合，w为边的权重，y、z是公式中的变量，表示n中的一个节点。
50、进本文档来自技高网...
【技术保护点】
1.一种基于Logistic运算的时间序列数据转化为图结构数据的方法，其特征在于，包括以下步骤：
2.一种计算时间序列对之间相似性的方法，采用权利要求1所述的基于Logistic运算的时间序列数据转化为图结构数据的方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的计算时间序列对之间相似性的方法，其特征在于，步骤7具体为：
4.根据权利要求3所述的计算时间序列对之间相似性的方法，其特征在于，步骤7中：
5.根据权利要求4所述的计算时间序列对之间相似性的方法，其特征在于，步骤7中：
6.根据权利要求5所述的计算时间序列对之间相似性的方法，其特征在于，步骤7中：
【技术特征摘要】
1.一种基于logistic运算的时间序列数据转化为图结构数据的方法，其特征在于，包括以下步骤：
2.一种计算时间序列对之间相似性的方法，采用权利要求1所述的基于logistic运算的时间序列数据转化为图结构数据的方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的计算时间序列对之间相...
【专利技术属性】
技术研发人员：孙韩林，高聪，陈彦萍，王忠民，马素刚，吕宁，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。