基于加权局部复杂不变性的时间序列分类算法

为解决现有方法对较长、复杂度分布不均序列的错分类问题，提取序列复杂度的局部信息，提出了加权局部复杂度不变性距离（WLCID），包含复杂度局部表征和全局加权整合两个模型。利用滑窗分解序列，结合复杂度不变性距离表示方法提取局部复杂度信息；通过建立类表征模型，以类间距越大的子段对分类正确的贡献度越大为依据，通过归一化累积类间距来量化整合权重。与相似算法的对比实验表明：此方法不仅在复杂度分布不均的数据中表现突出，在大多数测试集也有较好的效果。在分类和聚类任务上精度的提升，说明方法在表示时间序列形态特征的复杂度信息上具有较好的能力。