[发明专利]时间序列数据组成模式的提取方法、装置及终端设备

说明书

本申请适用于数据处理技术领域，提供了时间序列数据组成模式的提取方法、装置及终端设备，上述时间序列数据组成模式的提取方法包括：获取时间序列样本数据；将所述时间序列样本数据分割成多个时间序列样本数据段；确定各个所述时间序列样本数据段的组成模式的主题分布，并基于确定出的主题分布为对应的所述时间序列样本数据段赋予与所述主题分布对应的模式。上述时间序列数据组成模式的提取方法，能够有效获取时间序列的组成成分，有利于从冗长的时间序列中摘取研究所需的感兴趣区域ROI。

技术领域

本申请属于数据处理技术领域，尤其涉及一种时间序列数据组成模式的提取方法、装置及终端设备。

背景技术

时间序列数据是按时间顺序收集到的数据，用于描述事物或现象随时间的变化状态或程度现象，比如心电图(ECG)、脑电图(EEG)、生产制造中的电流电压信号、股票交易的K线、语音信号的时域波形等。其中，时间序列数据的组成模式是了解时间序列数据过去行为的重要因素。

传统的时间序列数据分析主要关注时间序列在时域或频域的整体信息，无法考虑到序列的局部变化特性；而以动态时间规整DTW、自回归滑动平均模型ARMA为例的方法同样将时间序列数据作为整体进行推断处理，同时这些方法普遍通过生成式方法进行时间序列建模，对源数据分布特性存在强假设现象。

发明内容

基于上述一种或多种问题，本申请实施例提供了时间序列数据组成模式的提取方法、装置及终端设备。

第一方面，本申请实施例提供了一种时间序列数据组成模式的提取方法，包括：

获取时间序列样本数据；

将所述时间序列样本数据分割成多个时间序列样本数据段；

确定各个所述时间序列样本数据段的组成模式的主题分布，并基于确定出的主题分布为对应的所述时间序列样本数据段赋予与所述主题分布对应的模式。

在第一方面的一种可能的实现方式中，所述将所述时间序列样本数据分割成多个时间序列样本数据段，包括：

基于所述时间序列样本数据的分布规律，将所述时间序列样本数据分割成多个时间序列样本数据段。

在第一方面的一种可能的实现方式中，所述时间序列样本数据的分布规律为所述时间序列样本数据的局部线性程度；

所述基于所述时间序列样本数据的分布规律，将所述时间序列样本数据分割成多个时间序列样本数据段，包括：

基于所述时间序列样本数据的局部线性程度，将所述时间序列样本数据分割成多个时间序列样本数据段。

在第一方面的一种可能的实现方式中，所述时间序列样本数据中的每个样本数据点为一个分割段，各个所述分割段构成分割段集合；

所述基于所述时间序列样本数据的局部线性程度，将所述时间序列样本数据分割成多个时间序列样本数据段，包括：

步骤A，将各个所述分割段中边际似然概率最大的两个分割段凝聚为一个新的分割段，得到新的分割段集合；

步骤B，检测步骤A中新的分割段集合中各个分割段的边际似然概率中的最大值是否小于设定阈值，在新的分割段集合中各个分割段的边际似然概率中的最大值小于所述设定阈值的情况下，将当前的分割段作为所述时间序列样本数据段；在新的分割段集合中各个分割段的边际似然概率中的最大值大于或等于所述设定阈值的情况下，返回执行步骤A。

在第一方面的一种可能的实现方式中，所述时间序列样本数据中包括多个样本数据点，所述基于所述时间序列样本数据的局部线性程度，将所述时间序列样本数据分割成多个时间序列样本数据段，包括：

步骤C，基于时间序列的多元分段线性模型假设，利用贝叶斯方法的增量学习特性，计算为所述时间序列样本数据段添入新样本数据时的边际似然；