论文部分内容阅读
与确定时间序列相比，不确定时间序列在每个时间点上的取值不是一个确定的值，而是一个可能值的集合，这种不确定给时间数据的降维处理带来了巨大的挑战。加之时间序列固有的数据规模大、数据维度高的特点，对不确定时间序列进行预处理必不可少，现有的针对确定时间序列的降维方法已经不再适用。为解决此问题，建立适当的数据描述统计模型，将原始不确定时间序列归约为三条确定时间序列。同时，针对该模型，提出基于关键点的不确定时序数据线性降维算法。该算法综合考虑体现时序数据特征的极值点与转折点，在进行高效数据降维的同时避免了过度除噪的弊