Fast Similarity Search in the Presence of Noise, Scaling, andTranslation in Time-Series Databases

Fast Similarity Search in the Presence of Noise, Scaling, and Translation in Time-Series Databases

本文提出一种新的相似性序列模型，捕捉到的直观序列应该被认为足够相似的非重叠序列。时序l的时间概念，如果它们有一对subsese，模型允许其中一个序列的振幅以任何适当的数量缩放，并适当调整其偏移量。如果两个子序列中的一个可以被包含在另一个周围的指定宽度的包络内，则认为它们是相似的。该模型还允许在匹配的子序列中存在非匹配的空白。匹配的子序列不需要沿时间轴对齐。基于这种相似性模型，本文提出了一种快速搜索序列集合中所有相似序列的技术。这些技术也可以用来找到与给定序列相似的所有(子)序列。我们将这个匹配系统应用于美国共同基金数据，并发现了有趣的匹配。 

 

 该匹配系统由三个主要部分组成:(i)“原子”子序列匹配，(ii)长序列匹配和(iii)序列匹配。其基本思想是使用较小的原子子序列创建一个快速的、可索引的数据结构，该子序列表示所有序列的幅度缩放和偏移。我们选择r树[12]结构族，因为这种表示精度可以保持序列值的任意精度，同时仍然允许根据用户定义的距离定义相似性.

因此，可以高效地计算距离为c的所有原子子序列匹配。第二阶段拼接算法采用快速原子匹配形成长子序列匹配，允许原子匹配之间存在不匹配的间隙。第三阶段对第二阶段匹配到的子序列进行线性排序，以确定两个序列中是否存在足够的相似片段。在每个阶段，系统允许用户/系统定义的动态参数的灵活性，而不牺牲效率。

总结：文中先使用原子片段，然后将原子片段拼接起来组成子序列，最后将子序列进行线性排序，判断是否存在相似的片段