论文部分内容阅读
随着CBR应用的推广,涉及越来越多的时态信息需要处理。探讨了一种基于时间序列数据的时态CBR,提出了一种基于卷积的时态CBR快速检索算法。其思路是利用时序范例之间的时间约束关系,去除检索中求取相似度的冗余计算,并利用卷积的傅立叶变换性质,在频域求解相似度以减少计算时间复杂度。实验证明,在匹配较长的序列时,快速算法可以显著的提高时态CBR的检索效率。在CBR快速检索算法的基础上,以证券价格预测问题作为应用,借鉴流形学习理论中LLE算法的思想,设计了一种基于时态CBR的时间序列预测算法。实验证明,这种基