目录

1 方法

2 Matlab代码实现

3.结果

【若觉文章质量良好且有用，请别忘了点赞收藏加关注，这将是我继续分享的动力，万分感谢！】

其他：

1.时间序列转二维图像方法及其应用研究综述_vm-1215的博客-CSDN博客

2.将时间序列转成图像——格拉姆角场方法 Matlab实现_vm-1215的博客-CSDN博客

3.将时间序列转成图像——马尔可夫转移场方法 Matlab实现_vm-1215的博客-CSDN博客

4.将时间序列转成图像——递归图方法 Matlab实现_vm-1215的博客-CSDN博客

5.将时间序列转成图像——图形差分场方法 Matlab实现_vm-1215的博客-CSDN博客

1 方法

相对位置矩阵(Relative Position Matrix, RPM)包含了原始时间序列的冗余特征，使转换后的图像中，类间和类内的相似度信息更容易被捕捉。 对于一个时间序列，可以通过以下步骤得到RPM图：

1. 针对原始时间序列，通过以下z-分值标准化的方法得到一个标准正态分布：

   

   其中表示的平均值，表示的标准差。
2. 采用分段聚合近似(PAA)方法，选择一个合适的缩减因子，生成一个新的平滑时间序列，将维度减少到：

   

   通过计算分段常数的平均值进行降维，可以保持原始时间序列的近似趋势，最终新的平滑时间序列的长度为。
3. 计算两个时间戳之间的相对位置，将预处理后的时间序列X转换为二维矩阵：

   

   如上所示，该矩阵表征了时间序列中每两个时间戳之间的相对位置关系。其每一行和每一列都以某一个时间戳为参考，进一步表征整个序列的信息；
4. 最后利用最小-最大归一化将转换为灰度值矩阵，最终得到相对位移矩阵：

   

2 Matlab代码实现

clc
clear
close all% %%
% % 閫熷害
% speed_original = round(rand(1,111)*40+40);
% 
% m = length(speed_original);
% 
% % 浣庨�熷尯
% low_xu = round((rand()+0.1)*(m - 10));
% low_num = round((rand()+0.2)*15);
% 
% % 鏁版嵁
% speed = speed_original;
% speed(low_xu:low_xu+low_num-1) = round(rand(1,low_num)*20);
% 
% % X = speed;
% 
% % 璁烘枃閲岀殑鏁版嵁
% X = [0 1 2 1 2 3 4 3 2 3 2 1];
% 
% N = length(X);%% 鐢熸垚鏁版嵁
speed = xlsread('3_1_link6_28_5_30min.csv');
% speed = xlsread('3_1_link1_1_5_30min.csv');%% z-鍒嗗�兼爣鍑嗗寲
X = speed';
mu = mean(X);
sigma = sqrt(var(X));Z = (X-mu)/sigma;%% PAA
k = 2;
N = length(X);
m = ceil(N/k);if ceil(N/k)-floor(N/k) == 0for i = 1:mX2(i) = 1/k * sum(Z(k*(i-1)+1:k*i));end
elsefor i = 1:m-1X2(i) = 1/k * sum(Z(k*(i-1)+1:k*i));endX2(m) = 1/(N-k*(m-1)) * sum(Z(k*(m-1)+1:N));
end%% 鐢熸垚RPM鍥�
M = repmat(X2,m,1) - repmat(X2',1,m);F = (M - min(M(:))) / (max(M(:))) - min(M(:)) * 255;h = figure(2);
set(gcf,'position',[800 300 500 420])
imagesc(F)
title('鐩稿浣嶇Щ鐭╅樀(RPM)')
saveas(h,'RPM_11.bmp')

3.结果

【若觉文章质量良好且有用，请别忘了点赞收藏加关注，这将是我继续分享的动力，万分感谢！】