时间序列作为一种重要的复杂类型数据，它普遍存在于现实生活中，诸如气象、股市、金融、天文等领域。因此对时间序列的相似性研究也逐渐成为数据挖掘的研究热点之一。时间序列采用一个或多个变量来描述事物的特征，因而对时间序列的数据挖掘有助于决策者进行正确的决策，所以对时间序列数据挖掘的研究具有重要的现实意义。　　时间序列的符号化方法是时间序列相似性研究的重要思想之一。符号化方法主要是将时间序列映射到某个特定的特征空间，较大程度上约简时间序列的维数，根据时间序列在特征空间中所表现出的特征相似性来代替原始序列的相似性，再采用一定的策略来提高搜索效率。　　通过阅读以及研究大量国内外基于符号化的时间序列相似性搜索领域相关文献，本文系统的研究总结了当前基于符号化的时间序列相似性搜索方法的发展状况，以技术发展框架为前提，对符号化方法发展各个阶段中的经典算法进行了详细的描述和分析，指出所存在的问题，并在此基础上提出了相应的解决方法，本文主要研究工作包括：　　（1）本文根据 SAX方法的思想，提出基于均值和斜率的符号化方法描述时间序列的相似性。该方法首先对数据进行预处理，将数据转换成标准的正态分布，为后面的符号化处理做准备；然后将序列进行分段，提取出每一个子段的均值和斜率信息，并将它们转换成相应的符号，用模式序列代替原始序列；最后，通过模式序列中的均值和斜率每个符号出现的次数和位置的区别来进行相似性度量。　　（2）在时间序列数据挖掘中，分层思想的应用能够有效的降低整个算法的时间复杂度，本文利用分层思想将符号化方法和序列与坐标轴围成的面积结合在一起。该方法首先将序列分段，把序列的形态符号化，利用表达形态的模式序列进行粗匹配，然后再利用每个预处理后的分段序列和坐标轴围成的面积之间的差异进行细匹配，最终的实验表明该方法能够有效地应用于时间序列的相似性匹配。