现代时间序列相似性分析方法综述与比较
2星 需积分: 31 190 浏览量
更新于2024-10-23
1
收藏 301KB PDF 举报
本文档深入探讨了时间序列相似性分析方法的研究,尤其是在经典方法的基础上,关注了若干现代代表性技术的发展。作者汤胤以暨南大学管理学院的背景,通过对移动平均法(Moving Average)、指数平滑法(Exponential Smoothing)、Box-Jenkins的ARMA/ARIMA方法等传统手段的分析,揭示了它们在时间序列预测中的核心原理和应用场景。
ARMA方法作为当前最为广泛采用的时间序列预测工具,其基于历史模式预测未来短期趋势的理念在短期内表现出了有效性。然而,对于长期预测,这种假设可能不再适用,因为未来并不完全受过去模式的决定。此外,文中提到了其他经典方法,如GeandSmith的可变形马尔可夫模板,它允许序列在一定程度上变化但仍保持相似性;还有贝叶斯模型,它利用概率统计来处理不确定性;以及模糊集方法,这些方法引入了模糊逻辑的概念,增加了分析的灵活性。
随着大数据时代的到来,海量时间序列数据的存储和处理成为挑战。文档特别强调了在高维时间序列数据库背景下,经典方法的索引结构在效率上的局限性,暗示了对更高效、适应复杂数据结构的新方法的需求。因此,论文不仅梳理了现有技术的优缺点,还试图填补这一空白,通过分析现代时间序列相似性分析方法,如基于机器学习的深度学习模型、动态时间规整(DTW)、局部自回归模型(LSTM)等,旨在为时间序列分析研究提供一个全面且前沿的视角。
这篇论文提供了一个系统性的回顾,旨在帮助读者理解和比较不同时间序列相似性分析方法,以便在实际应用中做出明智的选择,并为未来研究方向指明了新的探索领域。这对于从事时间序列数据分析、机器学习或数据挖掘的专业人士来说,是一份重要的参考资料。
2021-01-13 上传
2019-09-20 上传
2019-09-19 上传
2019-09-07 上传
2021-07-14 上传
2021-07-14 上传
2021-07-14 上传
2019-07-22 上传
2023-08-26 上传
catail
- 粉丝: 2
- 资源: 3
最新资源
- C++ Qt影院票务系统源码发布,代码稳定,高分毕业设计首选
- 纯CSS3实现逼真火焰手提灯动画效果
- Java编程基础课后练习答案解析
- typescript-atomizer: Atom 插件实现 TypeScript 语言与工具支持
- 51单片机项目源码分享:课程设计与毕设实践
- Qt画图程序实战:多文档与单文档示例解析
- 全屏H5圆圈缩放矩阵动画背景特效实现
- C#实现的手机触摸板服务端应用
- 数据结构与算法学习资源压缩包介绍
- stream-notifier: 简化Node.js流错误与成功通知方案
- 网页表格选择导出Excel的jQuery实例教程
- Prj19购物车系统项目压缩包解析
- 数据结构与算法学习实践指南
- Qt5实现A*寻路算法:结合C++和GUI
- terser-brunch:现代JavaScript文件压缩工具
- 掌握Power BI导出明细数据的操作指南