基于分段半馬爾可夫模型的在線序列模式檢測方法研究.pdf

1、在線檢測序列模式是時間序列的一種重要分析方法，它在實時的時間序列中檢測出與給定的示例模式相似的模式，并報告它們出現(xiàn)的位置。該方法是現(xiàn)實應(yīng)用領(lǐng)域中對時間序列進行實時監(jiān)管和控制的一項關(guān)鍵技術(shù)，它對故障診斷及修正、異常情況分析、證券市場投資中技術(shù)分析、人類動作分析、生命特征監(jiān)控等領(lǐng)域來說具有非常重要的意義。這些巨大的應(yīng)用前景使得該技術(shù)越來越成為當(dāng)前時間序列數(shù)據(jù)挖掘領(lǐng)域中的一個研究熱點。目前，大量在線檢測序列模式方法已被提出，主要分為以下兩大類

2、：1)基于滑動窗口進行子序列匹配的，例如歐式距離、DTW距離等等；2)基于概率模型的，例如分段半馬爾可夫模型。前者思想簡單，容易實現(xiàn)，但時間復(fù)雜度高；后者建模較為復(fù)雜，但其效率高，在許多方面要比前一種方法優(yōu)越。然而現(xiàn)有的分段半馬爾可夫模型只能解決具有近似相同長度的模式檢測問題，不允許模式在時間上存在縮放。在線檢測在時間上(X軸)存在任意縮放的相似模式仍是一個具有挑戰(zhàn)性的問題。 本文提出一種修正的分段半馬爾可夫模型，它對現(xiàn)有的分段