摘要:现有多元时间序列分段算法中分段点选择和分段个数确定往往需要分别独立完成, 大大增加了算法的计算复杂度, 为了解决上述问题, 本文提出了一种基于多元时间序列的自适应贪婪高斯分段算法. 该算法将多元时间序列分段上的数据解释为来自高斯分布的独立样本, 将分段问题转化为高斯分段模型的参数求解问题. 为了提高学习效率, 采用贪婪搜寻方法使每个段的似然值最大化进而近似地找到最优段点, 并且在搜寻的过程中利用信息增益方法自适应地获取最优的分段个数, 避免了分段个数确定和分段点选择分别独立地进行, 从而减少了计算的复杂度.实验结果表明,本文提出的方法在不同数据集上都得到了有效验证.