本书特色
内容系统性
特征表示和相似性度量是时间序列数据挖掘过程中一项重要而又基础的数据预处理工作，其质量和效率直接影响后期相关时
时间序列数据的特征表示、相似性度量及其应用研究间序列数据挖掘算法和模型的效果。本书从时间序列数据的不同
特点出发,深人和系统地研究和分析其特征表示和相似性度量方法,并结合相应的数据挖掘任务进行实验比较和分析,同时也将研
究成果应用于具体应用中，从时间序列数据视角更好地解决实际问题。
案例新颖性
本书对时间序列数据特征表示和相似性度量的方法有效性与先进性进行深人分析及研究,实验过程中使用了大量的公共数据
集，使得实验案例具有--定的代表性。同时,除了将特征表示和相似性度量方法应用于常见的金融股票数据外,还将它们应用于文
献数据分析、文本主题分析和发动机参数检测等与时间序列间接相关的新颖案例中,进而拓展了解决实际应用问题的理论和方法。