文章摘要
引用本文:董红玉,陈晓云,潘江山.基于张量多线性PCA的多变量时间序列模式匹配[J].福州大学学报(自然科学版),2015,43(3):328~332
基于张量多线性PCA的多变量时间序列模式匹配
Pattern matching based on tensor multilinear pca for multivariate time series
  
DOI:10.7631/issn.1000-2243.2015.03.0328
中文关键词: 多变量时间序列  模式匹配  张量多线性主成分  Frobenius范数
英文关键词: multivariate time series  pattern matching  tensor multilinear principal component analysis  Frobenius norm
基金项目:
作者单位
董红玉 福州大学数学与计算机科学学院福建 福州 350116 
陈晓云 福州大学数学与计算机科学学院福建 福州 350116 
潘江山 福州大学数学与计算机科学学院福建 福州 350116 
摘要点击次数: 641
全文下载次数: 774
中文摘要:
      提出基于张量多线性PCA的多变量时间序列模式匹配方法,通过张量多线性PCA对多变量时间序列进行低维重构并获得其模式表示,然后利用Frobenius范数设计模式间的相似性度量. 在四组公开的多变量时间序列数据集上进行实验,结果表明该方法的匹配准确率较高,时间开销较少,且适用于各种规模的数据集.
英文摘要:
      Present a pattern matching method based on tensor multilinear principal component analysis for multivariate time series,the pattern matching method obtains the low dimensional reconstruction of multivariate time series by tensor multilinear principal component analysis and gets the pattern presentation of the multivariate time series. Our method uses the Frobenius norm as the measure of similarity between patterns .The experiment results show that the proposed method achieves higher matching accuracy and spends less time on four open multivariate time series datasets,and is suitable for different size datasets.
查看全文   查看/发表评论  下载PDF阅读器
关闭