基于自适应分段聚合的云模型序列相似度评价方法

摘要

为了更好地对时间序列连续型指标数据进行评价,最大限度提取局部数据特征值,提出一种自适应分段聚合云模型评价方法.依据云模型的熵判断分段聚合数据的稳定性,对稳定性极差的分段聚合数据重新进行分段聚合,自适应地形成稳定性较好的云模型数据序列.同时,综合考虑云模型的距离和形状,提出一种通过超熵值进行修正的云模型相似度评价方法,并对云模型数据序列进行评价.通过实验验证,对突发性较强的时间序列进行大幅度压缩时,该方法能够保证评价结果的准确性,评价结果符合预期.