识别时间序列数据中的模式答案

【问题标题】：Identifying patterns in time series data识别时间序列数据中的模式
【发布时间】：2019-05-11 15:51:00
【问题描述】：

我目前的目标是构建一个识别时间序列数据模式的系统。

最终目标是：给定 N 个静止时间序列数据的部分，对 N 个信号之间相似度最大的部分进行分类。子模式全部相同或伪相同，但时间间隔不同。

我看过很多东西，包括 Dynamic Time Warping、Bag of Patterns searches、卡尔曼滤波器，以及我在大学时记得的其他一些信号处理技术（卷积、傅里叶、拉普拉斯）。

但是，由于没有预定义模式，它们似乎都不够用，所以我不能使用匹配过滤器之类的东西。我假设我必须深入研究 RNN 或 LSTM 之类的东西来识别信号之间的模式。

我想知道是否有关于这个主题的资源，或者在我切换到 RNN 建模之前提出的最佳解决方案。

【问题讨论】：

【解决方案1】：

您的问题有点不明确。但是，我 99% 确信答案是矩阵轮廓 [a][b] 如果您需要更多帮助，请给我一个更严格的问题定义。

【讨论】：