关于SAX

某天,看到一些资料. 发现输入文件是一个使用SAX技术存储的文件格式.  于是在网上找了不少资料 ; 感慨计算机的世界真的是太有趣了.

在此做个简单的介绍.

时间序列数据挖掘是利用数据挖掘技术对一组与时间相关的数据对象进行信息和知识提取．由于 时间序列数据的高维特性不利于一般数据挖掘算法 的运用和扩展，因此，对时间序列进行数据降维成 为该领域的重要课题和主要研究方向．

目前有很多成熟的数据降维的方法(小波变换\ 傅立叶变换\ 分段线近似,分段聚合近似PPA), 其中以符号聚合近似方法（SAX）比较流行。 他是由Linhe Keogh在2003年提出的一种基于分段聚合近似的表示方法。他在时间序列数据的挖掘中得到了广泛应用并且读的了良好效果。

SAX具有快速降维、有界、高效查询等优点。

SAX是一种基于PPA的符号表示方法，他不仅能够对时间序列进行快速的降维，而且能够保证符号空间中相似模式之间的距离满足真实距离的下界要 求，防止发生漏报现象．它被广泛应用于时间序列 的数据降维和表示，以及相似性模式搜索和异常序 列检测．然而，由于SAX只保留了序列段的均值信 息，难免会存在一些不足。

为了了解他的不足，先了解它的处理过程。

给定长度为m的时间序列Q=（q1,q2,….qm）

把它转化为一个程度为w的序列， Q’=（q’1，q'2，，，，q’m）

(这个公式告诉我们是时间序列转化为以序列段的均值,并且把这些均值多维基本对象, 组成新的序列Q’)

从符号聚合近似过程中可以知道，它是一种基 于均值信息的表示形式，即利用一个均值数据来表 示原始时间序列的k个数据点，这样难免会出现信 息丢失的情况．特别地，当数据压缩比越大，均值 所代表的数据点就越大，那么反映数据信息的能力 就越弱．在有些情况下，这种以均值为信息对象的 数据表现形式将不能有效地对序列进行识别．

请看：

SAX (Symbolic Aggregate approXimation)[2]的一个网站上提出了相关的代码和理论基础)

[1] 李海林, 态特征的时间序列符号聚合近似方法 http://d.wanfangdata.com.cn/Periodical/mssbyrgzn201105010

[2] http://cs.gmu.edu/~jessica/sax.htm