[发明专利]一种基于短时线性正则变换的时序数据表示方法

说明书

本发明公开了一种基于短时线性正则变换的时序数据表示方法，包括以下步骤：S1：获取时间序列数据；S2：对原始时间序列数据分段并采用符号化近似表示方法；S3：对分段后获取的时间域时序数据进行短时线性正则变换处理，计算该段数据的短时线性正则变换系数；S4：将获取的线性正则变换系数与S2获取的符号化近似表示方法融合，实现基于短时线性正则变换时序数据的表示。本发明将短时线性正则变换与符号化近似表示方法融合，形成了基于短时线性正则变换的时序数据表示方法，该方法不仅保留了原符号化近似算法的优点，又通过短时线性正则变换系数，刻画了时序数据的变化趋势，实现了时序数据的近似表示，为后续时序数据的分析提供了基础。

技术领域

本发明涉及一种时间序列数据挖掘领域，特别涉及一种基于短时线性正则变换的时序数据表示方法。

背景技术

在信号分析领域，线性正则变换是经典傅里叶变换的推广，它带有三个自由参数。因而具备比傅立叶变换、分数阶傅立叶变换更灵活的操作。它对信号时频平面的作用可理解为压缩拉伸及旋转的效果。近几年线性正则变换的广义特性受到了许多学者的关注。然而线性正则变换是全局核变换，因而仍然没摆脱类似于傅立叶变换那样的缺陷，即它们无法刻画非平稳信号的频率随时间变化的关系。若将其应用到时序数据分析领域，也无法刻画数据随时间变化的趋势特征。为了解决线性正则变换的这一缺陷，有学者对线性正则变换加窗函数处理，以此克服了线性正则变换的缺陷。

另一方面，经典的时间序列数据符号化方法(Symbolic AggregateApproximation,SAX)主要思想是对时序数据平均分割以达到降维目的，进而通过分治法思想减少数据分析量级，其中分割后的数据段取其平均值作为符号化表示的特征，将其映射到符号表，最终形成符号化表示算法。分段数目越少,降维比例越大,但特征表示越粗糙，反之同理。然而经典SAX算法虽然具有简单高效等优势，但其存在的一个主要问题是无法精确的反映子段数据的变化趋势，此局限性限制了该方法在某些领域的应用。例如在一些工业生产过程中，运行过程产生的时序数据的变化趋势在很大程度上表征了设备运行的状态。也即：经典的符号化算法如同线性正则变换一样，只能反映数据的大致变化，对于精确的趋势特征，无法获取。因此将短时线性正则变换系数表征子段数据的变化特征结合符号化算法的优势，解决时序数据表示中趋势表征问题。

缺点：经典的符号化算法如同线性正则变换一样，只能反映数据的大致变化，对于精确的趋势特征，存在无法获取的问题。

因此亟需一种能表征趋势特征的时序数据表示方法。

发明内容

有鉴于此，本发明所要解决的技术问题是提供一种通过融合时序数据符号化算法与短时线性正则变换，可以表征数据变化趋势的时序数据表示方法。将短时线性正则变换与符号化近似表示方法融合，形成了基于短时线性正则变换的时序数据表示方法，该方法不仅保留了原符号化近似算法的优点，又通过短时线性正则变换系数，刻画了时序数据的变化趋势。形成了一种基于短时线性正则变换的时序数据表示方法。

本发明的目的是这样实现的：

本发明提供的一种基于短时线性正则变换的时序数据表示方法，包括以下步骤：

S1：获取时间序列数据；

S2：对原始时间序列数据分段并采用符号化近似表示方法；

S3：对分段后获取的时间域时序数据进行短时线性正则变换处理，计算该段数据的短时线性正则变换系数；

S4：将获取的线性正则变换系数与S2获取的符号化近似表示方法融合，实现基于短时线性正则变换时序数据的表示。

进一步，根据权利要求1所述的基于短时线性正则变换的时序数据表示方法，其特征在于：所述步骤S2中对原始时间序列数据分段并采用符号化近似表示方法，具体步骤如下：

S21：对时序数据进行归一化处理，并等长分段；