基于系数矩阵弧微分的时间序列相似度量

　　传统时间序列相似度量算法在时间序列发生平移、时间轴伸缩等情况下，需要时间对齐等人工干预，并且时间复杂度较高，不利于后续数据挖掘处理。为此，基于系数矩阵弧微分提出时间序列相似度量算法。引入回归分析中的最小二乘思想，通过构建系数矩阵获取时间序列形态属性向量基，实现序列曲线的连续化。在此基础上，应用连续函数的弧微分与曲率半径的关系进行时间序列的相似度量。实验结果表明，该算法具有较强的鲁棒性，不仅能实现微观意义上序列之间的相似度量（距离相近），而且能够完成宏观意义上的相似度量（形态相近）。