融合选择性提取与子类聚类：时间序列Shapelet快速发现的创新算法

一、引言

1.1研究背景与意义

在当今大数据时代，数据量呈爆炸式增长，如何从海量数据中挖掘出有价值的信息成为了亟待解决的问题。时间序列数据作为一种常见的数据类型，广泛存在于金融、医疗、气象、工业制造等各个领域，如股票价格的波动、患者生命体征的变化、每日的气温记录以及生产线上产品质量指标的监测等。对时间序列数据进行深入分析，能够帮助我们发现数据中的规律、趋势和异常，从而为决策提供有力支持，因此时间序列分析在数据挖掘和人工智能领域中占据着至关重要的地位。

时间序列分类是时间序列分析中的一个重要任务，其目的是根据时间序列的特征将