时间序列距离度量

Question

为了聚集一组时间序列，我正在寻找智能距离度量。 我尝试了一些众所周知的指标，但没有人适合我的情况。

ex：让我们假设我的聚类算法提取这三个质心[s1，s2，s3]：

我想把这个新例子[sx]放在最相似的集群中：

最相似的质心是第二个，所以我需要找到一个距离函数d，它给我d(sx, s2) < d(sx, s1)和d(sx, s2) < d(sx, s3)

修改

这里的结果与指标[余弦，欧几里德，闵可夫斯基，动态类型翘曲] ] 3

编辑2

用户Pietro P建议在累积版本的时间序列中应用距离 解决方案有效，这里是图表和指标：

Answer 1

好的问题！使用R ^ n（欧几里德，曼哈顿或一般minkowski）的任何标准距离超过那些时间序列都无法达到你想要的结果，因为这些指标独立于R ^ n坐标的排列（时间是严格排序的，它是你想捕捉的现象。

一个简单的技巧，可以做你要求的是使用累积版本的时间序列（随着时间的推移，随时间推移的总和值），然后应用标准指标。 使用曼哈顿指标，您可以获得两个时间序列之间的距离区域之间的累积版本。

Answer 2

另一种方法是利用DTW，它是一种计算两个时间序列之间相似度的算法。全面披露;我为此编写了一个名为trendypy的Python包，您可以通过pip（pip install trendypy）下载。 Here是有关如何使用程序包的演示。您基本上只是在计算不同组合的总最小距离，以设置聚类中心。

Answer 3

如果使用标准Pearson correlation coefficient?，那么您可以将新点分配给系数最高的群集。

public void genericForEachLoop(POITextExtractor te) { final String[] tagArrays = {"KEYWORDS", "CUSTOMERS", "SYSTEM_DEPS", "MODULES", "DRIVE_DEFS", "PROCESS_IDS"}; ArrayList<String> al = new ArrayList<String>(); for(int i=0; i<tagArrays.length; i++) { System.out.println(tagArrays[i]); al = tagArrays[i]; for (String item : al) { if (te.getText().contains(item)) { System.out.println(item); } } } }

Answer 4

Pietro P的答案只是将卷积应用于时间序列的一种特殊情况。

如果我给了内核：

[1,1,...,1,1,1,0,0,0,0,...0,0]

我将获得一个累积序列。

添加卷积之所以可行，是因为您要为每个数据点提供有关其邻居的信息-现在它与顺序有关。

尝试使用高斯卷积或其他内核可能会很有趣。