【技术实现步骤摘要】
本专利技术属于信息处理，具体涉及多维时间序列模体方法。
技术介绍
1、在时间序列数据领域，模体指代那些频繁出现的、具有一定规律的子序列集合。模体挖掘其本质就是在时间序列中发现未知的频繁模式，从而发掘数据中潜在的规则。现实数据通常具有多个特征维度，即包含多种属性或特征的信息。多维模体挖掘是从多个特征维度对数据进行探索发现的过程。通过挖掘数据中不同特征维度之间的内在关联，能够更全面地理解研究数据背后的规律和趋势，为决策提供更准确的参考和信息支持。多维模体挖掘在生物研究、环境管理、医疗健康、基因工程等众多领域具有重要的现实意义。
2、目前已经有许多时间序列模体挖掘算法，根据处理时间序列的维度，可将其分为单维模体挖掘算法和多维模体挖掘算法。
3、(1)单维时间序列模体挖掘方法。当前单维时间序列模体挖掘方法分为精确和近似两种。精确方法使用欧氏距离或皮尔逊相关系数作为相似性度量，并利用数学推理或数据结构优化来加速搜索相似性子序列。近似方法在预处理阶段使用paa分段近似表示和sax符号化技术进行特征提取，以牺牲一定精度来加速匹
【技术保护点】
1.一种基于极大模体邻居的多维时间序列模体挖掘方法，包括如下步骤：
2.根据权利要求1所述的基于极大模体邻居的多维时间序列模体挖掘方法，其特征在于，所述步骤(1)包括如下步骤：
3.根据权利要求1所述的基于极大模体邻居的多维时间序列模体挖掘方法，其特征在于，所述步骤(2)包括如下步骤：
4.根据权利要求1所述的基于极大模体邻居的多维时间序列模体挖掘方法，其特征在于，所述步骤(2.2)中，通过滑动邻居窗口回溯进行极大模体邻居构建，具体包括如下步骤：
5.根据权利要求1所述的基于极大模体邻居的多维时间序列模体挖掘方法，其特征...
【技术特征摘要】
1.一种基于极大模体邻居的多维时间序列模体挖掘方法，包括如下步骤：
2.根据权利要求1所述的基于极大模体邻居的多维时间序列模体挖掘方法，其特征在于，所述步骤(1)包括如下步骤：
3.根据权利要求1所述的基于极大模体邻居的多维时间序列模体挖掘方法，其特征在于，所述步骤(2)包括如下步...
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。