作者：曹洋洋; 林意时间序列向量夹角余弦相似性度量离均差
摘要：时间序列的相似性度量是数据挖掘领域研究的一个热点，高维多元时间序列数据一般含有大量的噪声不利于相似性的比较。针对现有的时间序列度量方法存在的问题，在改进的时间序列自底向上融合算法的基础上，提出一种新的基于离均差的时间序列相似性度量的夹角余弦算法（Angle Cosine Metric Similarity，ACMS）。ACMS算法将时间序列等价为一个多雏度的向量，充分考虑2个向量的方向和大小特征，增强振幅变化的鲁棒性，减少人为干扰，对数据挖掘中的聚类和预测具有帮助作用。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
