流式时间序列的实时相似度研究

　　时间序列是一种常见的与时间有关的数据，流式时间序列相对静态时间序列而言，具有无穷、连续、实时和快速等特点，在金融、传感器网络等领域广泛存在，尤其是随着大数据技术的发展，能够采集、存储更多的流式时间序列。如何从中获取有价值数据？时间序列数据挖掘是一种常用方法。和其它数据挖掘方法一样，时间序列的相似性度量是一项基础性工作。在时间序列的聚类、分类、相似性查询和模式发现等工作中，都需要计算各序列间的相似度。相对于其它算法，动态时间弯曲DTW（Dvnamic Time Warping）更适合度量时间序列间的相似度，可处理不同长度的时间序列，能解决特征没对齐问题。