本文提出了一种无限长时间序列的分段线性拟合(Infinite Time Series-Piecewice Linear Fitting,简称ITS-PLF)算法,该算法根据关键点保持时间段的统计特性,确定选择关键点的区间范围;若极值点的保持时间段不在区间范围,则根据包含极值...本文提出了一种无限长时间序列的分段线性拟合(Infinite Time Series-Piecewice Linear Fitting,简称ITS-PLF)算法,该算法根据关键点保持时间段的统计特性,确定选择关键点的区间范围;若极值点的保持时间段不在区间范围,则根据包含极值点的连续三个时间数据之间的夹角与筛选角度之间的关系,判断该极值点成为关键点的可能性.实验表明,ITS-PLF算法的执行不依赖于时间序列长度及领域知识,可以有效识别关键点,并可根据数据压缩率的变化实现自适应拟合.展开更多
文摘本文提出了一种无限长时间序列的分段线性拟合(Infinite Time Series-Piecewice Linear Fitting,简称ITS-PLF)算法,该算法根据关键点保持时间段的统计特性,确定选择关键点的区间范围;若极值点的保持时间段不在区间范围,则根据包含极值点的连续三个时间数据之间的夹角与筛选角度之间的关系,判断该极值点成为关键点的可能性.实验表明,ITS-PLF算法的执行不依赖于时间序列长度及领域知识,可以有效识别关键点,并可根据数据压缩率的变化实现自适应拟合.
