论文部分内容阅读
为了更好地体现用户需求,提高时间序列相似性度量的准确度,提出了基于事件的时间序列相似性度量(SMBE)方法。首先将用户的需求定义为事件,构建了SMBE模型;然后,构建相应的相似性矩阵,并对相似性矩阵进行搜索得到最优路径的值作为序列之间的相似性度量;最后,提出了基于SMBE的聚类方法。实验表明,在参数设置合理的情况下,能获得接近0.90的聚类精度。SMBE方法通过对事件的定义引入用户需求,提高了时间序列相似性度量的准确性。