隨著計算機(jī)軟、硬件的進(jìn)步，人們利用信息技術(shù)產(chǎn)生和搜集數(shù)據(jù)的能力大幅度提高。
作為數(shù)據(jù)挖掘的重要研究課題之一，時間序列的挖掘與預(yù)測近幾年發(fā)展迅速。本文對時間序列的分段線性化表示進(jìn)行了研究，采用新的分段線性化表示方法建立了序列相似性度量準(zhǔn)則，彌補了以往度量準(zhǔn)則對時間軸上伸縮的變化敏感的問題。新的表示方法和相似性度量準(zhǔn)則使時間序列數(shù)據(jù)更容易應(yīng)用傳統(tǒng)的數(shù)據(jù)挖掘方法。
近十幾年來，隨著計算機(jī)軟、硬件的迅速發(fā)展，人們利用信息技術(shù)產(chǎn)生和搜集數(shù)據(jù)的能
力大幅度提高，數(shù)以千萬計的數(shù)據(jù)庫被用于商業(yè)管理、政府辦公、科學(xué)研究和工程開發(fā)等方面。數(shù)據(jù)采集工具的進(jìn)步使我們擁有了數(shù)量龐大的數(shù)據(jù)。如何從海量數(shù)據(jù)中及時發(fā)現(xiàn)有用的知識，提高信息利用率，并將這些有用的信息和知識運用到實際工作中去成為一個迫切需要解決的問題。因此，數(shù)據(jù)挖掘(Data Mining， DM)通常又稱為數(shù)據(jù)庫知識發(fā)現(xiàn)(Knowledge Discovery in Database， KDD)的需求越來越強烈。而在時間序列的數(shù)據(jù)挖掘研究中，相似性搜索更是一個重要的研究內(nèi)容，這主要是受到實際需要的驅(qū)使而產(chǎn)生的。時間序列相似性研究中有效的數(shù)據(jù)描述是提高相似性搜索效率和減少搜索時間的關(guān)鍵。