时间序列数据的分段线性表示

本文思想来自：时间序列数据的分段线性表示

PLR算法以拟合误差为阈值，会出现两类问题：

• 采用累积误差进行分段的算法对短时间内大波动数据不敏感，分段效果差；
• 采用平均误差的分段算法在遇到长时间小波动数据后，对明显状态变化处理不敏感，各个子序列的开始与结束时间不精确。

即，由于采用累积误差或平均误差，对一些状态变化的拐点不敏感。

伪代码：

python代码：

def Select_Important_Points(T, R):
    X = []
    for i in range(0, len(T)):
        X.append((i, T[i]))
    vital_point = []
    vital_point.insert(0, X[0])
    index = 0
    for i in range(1, len(T) - 1):
        if T[i] > T[i - 1] and T[i] > T[i + 1]:
            if T[i] / T[index] > R:
                index += 1
                vital_point.insert(index, X[i])
        if T[i] < T[i - 1] and T[i] < T[i + 1]:
            if T[i] == 0 or T[index] / T[i] > R:
                index += 1
                vital_point.insert(index, X[i])
    
    index += 1
    vital_point.insert(index, X[len(T) - 1])
    return vital_point

然后直接对相邻特征点间的点进行直线拟合。