在当今的万物互联的大数据时代下,人类活动的各行各业都会产生数据,随着科技一次又一次的革新和发展及随着时间的流逝,数据量正在极速增长中。这些数据广泛存在于商业、气象学、农业、生物科学以及生态学等方面。例如商业市场中我们观察每周的利润,月度价格指数,年度销售数量;气象学中观察每日高温和低温,年降水量和干旱指数以及每小时风速等。这些数据中包含着很多有用的信息,若能将其完整且细致的挖掘出来,将对人类社会做出极大的贡献。但是由于这些数据范围广、数据量大,导致原始序列具有数据维度高,干扰因素多以及实时更新动态变化等特性。这些特性直接导致从原始序列中直接进行知识挖掘成为了一项复杂度极高,准确度极低甚至不可取的工作。为了能解决这些特性带来的数据挖掘上的问题,我们需要对原始数据进行有效的预处理步骤。时间序列预处理步骤的关键部分就是时间序列的分段线性表示工作以及时间序列的相似性度量工作。故而,本文将对这两个方面的工作进行相应的研究,以期数据预处理工作能达到更好的效果。本文前两章综述了本文的研究背景及意义和研究现状。本文的主要研究创新点和相应的工作主要在三、四、五三章中,可以总结为以下几方面内容:(1)针对目前数据的数据量巨大、高维度高复杂度的特点,以及目前已有方法分段压缩率不够高的缺点,本文的第三章通过分析时间序列的几何形态特征,研究时间序列向上、向下趋势的几何形态,提出了上、下滤波点及上、下滤波线概念。利用上、下滤波点线对趋势的几何特性进行了分析,提出一种基于全局趋势判断方法。进一步提出一种基于趋势的时间序列分段线性表示方法,该方法的复杂度为(7)(8)On,便于编程实现。实验结果表明,与其他同类算法比较,本文算法得到的线段数目较少,逼近程度也不错。(2)针对传统欧式距离队序列值依赖较高的缺点,本文第四章统筹运用几何学中的点,角,边三要素,点值差距,序列趋势变化以及形态差异,将几个方面都考虑到位。所提算法整合点值差距,序列趋势变化以及形态差异三个几何特征,构建出三角形形态距离,以此为阈值去分析两条序列的微观点距离和宏观趋势距离,从而度量出两条序列的相似性。我们将其命名为基于自适应三角形距离的算法(Adaption Triangle Distance,ATD)算法。ATD算法实验结果表明,ATD算法对时间序列对的度量效率进行大幅度的提升。于此同时,本方法的对时间序列对的度量准确度比传统的度量算法高很多。(3)针对传统相似性度量算法无法动态处理翘楚的问题,本文第五章提出了一种基于趋势的特征子序列的时间序列度量方法。该方法引入信号中的尺度空间理论,从随机位置和长度中选择多个子序列被划分为较短的间隔用以捕获时间序列数据的信息。对于每个间隔,提取拟合回归线的趋势、值的平均差和方差等特征用以提供序列的形态、分布的情况。从这些子序列中计算出的特征生成一个新的数据集,其中每个子序列的特征提供一个实例,每个时间序列形成一个包。为每个实例定义一个标签此来度量不同位置的属性和原始序列的拓展。这提供了一个不同于DTW却和其一样可以处理翘曲的基于特征的方法。我们称之为基于自适应特征子序列的时间序列相似度量算法(Adaption and Feature Sentence,AFS)算法。与主流算法和ATD算法相比,当需要进行度量的两条时间序列长度不相同或者时间跨度不相同时,算法可以动态且自动地完成时间序列相似度量工作而无需额外的人工对序列进行维度对等处理。很大程度上降低了时间和空间复杂度。