Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Time series forecasting based on pattern matching has received a lot of interest in the recent years due to its simplicity and the ability to predict complex nonlinear behavior. In this paper, we investigate into the predictive potential of the method using k-NN algorithm based on R*-tree under dynamic time warping (DTW) measure. | TRƯỜNG ĐẠI HỌC SƯ PHẠM TP HỒ CHÍ MINH HO CHI MINH CITY UNIVERSITY OF EDUCATION TẠP CHÍ KHOA HỌC JOURNAL OF SCIENCE KHOA HỌC TỰ NHIÊN VÀ CÔNG NGHỆ NATURAL SCIENCES AND TECHNOLOGY ISSN: 1859-3100 Tập 15, Số 3 (2018): 148-160 Vol. 15, No. 3 (2018): 148-160 Email: tapchikhoahoc@hcmue.edu.vn; Website: http://tckh.hcmue.edu.vn PATTERN MATCHING UNDER DYNAMIC TIME WARPING FOR TIME SERIES PREDICTION Nguyen Thanh Son* Faculty of Information Technology Ho Chi Minh City University of Technology and Education Received: 01/11/2017; Revised: 11/12/2017; Accepted: 26/3/2018 ABSTRACT Time series forecasting based on pattern matching has received a lot of interest in the recent years due to its simplicity and the ability to predict complex nonlinear behavior. In this paper, we investigate into the predictive potential of the method using k-NN algorithm based on R*-tree under dynamic time warping (DTW) measure. The experimental results on four real datasets showed that this approach could produce promising results in terms of prediction accuracy on time series forecasting when comparing to the similar method under Euclidean distance. Keywords: dynamic time warping, k-nearest neighbor, pattern matching, time series prediction. TÓM TẮT Dự báo trên chuỗi thời gian bằng phương pháp so trùng mẫu dưới độ đo xoắn thời gian động Dự báo trên chuỗi thời gian đã và đang nhận đươc nhiều quan tâm nghiên cứu trong những năm qua do tính đơn giản và khả năng dự báo trên các chuỗi thời gian phi tuyến phức tạp. Trong bài báo này, chúng tôi nghiên cứu sử dụng thuật toán k-NN dựa trên R*-tree dưới độ đo DTW cho bài toán dự báo trên chuỗi thời gian. Các kết quả thực nghiệm trên bốn tập dữ liệu thực cho thấy cách tiếp cận này có thể cho kết quả dự báo chính xác hơn khi so sánh với phương pháp tương tự sử dụng độ đo Euclid. Từ khóa: dự báo trên chuỗi thời gian, k lân cận gần nhất, so trùng mẫu, xoắn thời gian động. 1. Introduction A time series is a sequence of real numbers where each number .
