我目前的目标是建立一个识别时间序列数据模式的系统。
最终目标是：给定休息时间序列数据的N个部分，对N个信号之间相似度最大的部分进行分类。子模式全部相同或伪相同，但是时移的间隔不同。
我研究了各种各样的事物，包括Dynamic Time Warping，Bag of Patterns searches，卡尔曼滤波器以及我记得大学时还记得的其他几种信号处理技术（卷积，傅立叶，拉普拉斯）。 / p>
但是，由于未预定义模式，因此它们似乎都不够用，因此我不能使用匹配过滤器之类的东西。我假设我必须使用RNN或LSTM之类的东西来识别信号之间的模式。
我想知道是否有关于此主题的资源，或者在我转向RNN建模之前是否有建议的最佳解决方案。
答案 0 :(得分：0)
您的问题有点不确定。但是，我有99％的把握是答案是矩阵轮廓[a] [b] 如果您需要更多帮助，请给我一个更严格的问题定义。
[a] https://www.cs.ucr.edu/~eamonn/PID4481997_extend_Matrix%20Profile_I.pdf [b] https://www.cs.ucr.edu/~eamonn/Matrix_Profile_Tutorial_Part1.pdf