[1]陈然 戴齐.基于重要点的时间序列固定分段数分段算法[J].计算机技术与发展,2011,(09):103-106.
　CHEN Ran,DAI Qi.Time Series Segmentation Based on Fixed Number of PIPs Detection[J].,2011,(09):103-106.
点击复制

基于重要点的时间序列固定分段数分段算法()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2011年09期
页码:
103-106
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Time Series Segmentation Based on Fixed Number of PIPs Detection
文章编号:
1673-629X（2011）09-0103-04
作者:
陈然 戴齐
西南交通大学信息科学与技术学院
Author(s):
CHEN Ran; DAI Qi
School of Information Science ＆ Technology,Southwest Jiaotong University
关键词:
时间序列; 固定分段数; 序列重要点; 时间序列分割
Keywords:
time series;  fixed number of series;  series important point;  time series segmentation
分类号:
TP311
文献标志码:
A
摘要:
基于重要点探测技术的时间序列线性分段算法能较好地保留序列的全局特征和拟合高精确度。传统的基于重要点时间序列分段算法,只能通过误差阈值来控制分段,该方法不能预计分段数量,不能适应后期要求分段数量一定的应用。提出一种基于序列重要点的时间序列固定分段数的分段算法—PLR_FPIP,该方法借用二叉树层次遍历的思路,重新调整原方法的分段次序,使用重要点组成的直线段近似描述时间序列,该方法能够在分段数量一定的情况下对时间序列分段。实验证明,该分段算法能在固定分段数的情况下反映时间序列的主体特征,算法简单快速,整体拟合误差小
Abstract:
The algorithm of time series segmentation based on the series important points can better retain global characteristics of series and fitting high accuracy.The traditional segmentation algorithm chooses segment point only through error threshold but fixed number of subsection.It can not meet the application which requires fix segment number.It proposes an algorithm based on fixed number of PIPs detection（PLR_FPIP）,which uses the ideas of binary tree level traversal,re-adjust the order of the original method and use PIPs composed of straight time series.Experimental results show that this algorithm can reflect the main characteristics of time series in cases of fixed number of PIPs,and the algorithm is simple,fast,low total error

相似文献/References:

[1]赵伟 梁循.互联网金融信息量与收益率波动关联研究[J].计算机技术与发展,2009,(12):1.
　ZHAO Wei,LIANG Xun.Research on Relationship Between Internet Financial Information and Fluctuation of Price - Earnings[J].,2009,(09):1.
[2]张虹 赵兵 钟华.基于小波多尺度的网络论坛话题热度趋势预测[J].计算机技术与发展,2009,(04):76.
　ZHANG Hong,ZHAO Bing,ZHONG Hua.Hot Trend Prediction of Network Forum Topic Based on Wavelet Multi - Resolution Analysis[J].,2009,(09):76.
[3]常毅 王加阳.时态信息系统转换方法研究[J].计算机技术与发展,2008,(07):15.
　CHANG Yi,WANG Jia-yang.Research on Method of Translating TIS to IS[J].,2008,(09):15.
[4]施尧 赵勇 杨雪洁 赵妹 张燕平 关有训 王克强.基于覆盖算法的大气质量预测[J].计算机技术与发展,2008,(07):190.
　SHI Yao,ZHAO Yong,YANG Xue-jie,et al.Application of Covering Algorithm to Prediction of Air Quality[J].,2008,(09):190.
[5]何星星 孙德山.模糊神经网络与SARIMA结合的时间序列预测模型[J].计算机技术与发展,2008,(08):61.
　HE Xing-xing,SUN De-shan.A Time Series Forecasting Model Using a Hybrid Fuzzy Neural Network and SARIMA[J].,2008,(09):61.
[6]兰妥 江弋 刘光生.基于Sas的时间序列缺失值处理方法比较[J].计算机技术与发展,2008,(10):43.
　LAN Tuo,JIANG Yi,LIU Guang-sheng.Comparison of Methods on Time Series＇ Missing Value Based on Sas[J].,2008,(09):43.
[7]查春生 倪志伟 倪丽萍 公维峰.基于相空间重构的股价时间序列相关性分析[J].计算机技术与发展,2010,(08):17.
　ZHA Chun-sheng,NI Zhi-wei,NI Li-ping,et al.Correlations Analysis Between Stock Index Time Serials Based on Reconstructed Phase Space[J].,2010,(09):17.
[8]贾瑞玉 王亮 王会颖.二维CVVT方法在时间序列分析中的应用研究[J].计算机技术与发展,2007,(05):160.
　JIA Rui-yu,WANG Liang,WANG Hui-ying.Research for Applications of 2D - CWT Approach in Time Series Analysis[J].,2007,(09):160.
[9]张诚 郑诚.基于时间的模糊关联规则挖掘[J].计算机技术与发展,2007,(07):60.
　ZHANG Cheng,ZHENG Cheng.Fuzzy Association Rules Mining over Time[J].,2007,(09):60.
[10]胡蓉.多输出支持向量回归及其在股指预测中的应用[J].计算机技术与发展,2007,(10):226.
　HE Rong.Application of Multi - Output Support Vector Regression in Stock Market Index Forecasting[J].,2007,(09):226.

备注/Memo

备注/Memo:
陈然（1984-），男，四川成都人，硕士研究生，主要研究领域为人工智能、数据挖掘等；戴齐，副教授，主要研究领域为人工智能、智能信息处理、数据挖掘、MIS、智能机器人等
更新日期/Last Update: 1900-01-01