不同粒度时间序列相似性度量

现有的时间序列的相似性度量大多基于欧氏距离,并不适用于不同粒度时间序列的相似性匹配,无法直接对其相似性进行有效的度量,为此,提出一种基于对应差值比样本的相似性度量,用于不同粒度时间序列的相似性匹配。首先对不同时间粒度的时序数据进行阐述,并定义了对应差值比样本与相似度计算方法;接着提出基于它们的相似性匹配算法;最后实验证明,该度量能够有效地度量不同粒度时间序列数据的相似性。

改进的基于密度的航迹聚类算法

为解决雷达站观测数据的分类问题,提出一种改进的基于密度的航迹聚类算法。采用加权Manhattan距离与惩罚系数相结合的距离度量,根据目标运动的特征自定义点的邻域,利用时间裁剪提高算法运行效率。实验结果表明,该算法能高效准确地对数据进行聚类,形成运动目标的航迹。