该博客介绍了BOSS方法在序列挖掘中的应用，它通过提取时间序列的子结构，进行低通滤波和量子化降噪，然后利用字符串匹配算法比较两个序列的差异。BOSS方法速度快，能有效降噪，并具有对偏移不变性的参数调整能力。其主要步骤包括固定长度滑动窗口、Z归一化、SFA符号傅里叶近似和量子化。通过DFT进行低通滤波和MCB量子化，最终计算BOSS距离来衡量序列间的相似性。
Boss
bag-of-SFA-symbols
它首先从时间序列中提取子结构（substructures）
对子结构应用低通滤波和量子化，这能够降低噪声，并使用字符串匹配算法
然后比较两个时间序列noise-reduced patterns的差别
优点：
快
应用了降噪（noise reduction）
invariance to offsets is treated as a parameter
结构基的相似性
和dtw一样快，并且比dtw更准确。
具体过程：
对时间序列 一固定长度的滑动窗口。
每个窗口通过减去均值和方差，进行z-normalized
从值到字符
进行 SFA （symbolic fourier approximation）
作用：
低通滤波 （low pass filtering）
字符表示（string representation） 使用量子化来表示 (quantisation）
-
分为两步
- 近似（approximation ）使用 DFT discrete fourier transform来近似
- 量子化（quantisation） 使用MCB multiple coefficient binning
-
DFT
分解一个长度为n的信号T，成为一系列正交项基函数，每一个基能够被表示为
Xu=(realu,imagu)foru=0,1,...,n−1X_u=(real_u, imag_u) for u=0,1,...,n-1Xu=(realu,imagu)foru=0,1,...,n−1，成为傅里叶系数
DFT(T)=X0...Xn−1=(real0,imag0,...realn−1,imagn−1)DFT(T) = X_0...X_{n-1}=(real_0,imag_0,...real_{n-1},imag_{n-1})DF
最低0.47元/天 解锁文章
扫一扫
8777
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
