61、自适应自动流挖掘：AWSOM模型详解与实践

自适应自动流挖掘：AWSOM模型详解与实践

1. 小波变换基础

在信号处理领域，小波变换是一种强大的工具。对于长度为N的时间序列，其N点离散小波变换（DWT）会产生N个小波系数。为了便于理解，我们先从简单的哈尔变换引入小波的概念。

在构建小波变换的每一级l，我们会跟踪两组系数，它们分别关注大小为$2^l$的时间窗口：
- 平滑分量$V_{l,t}$ ：由$N/2^l$个尺度系数组成，用于捕获信号的低频分量，特别是频率范围在$[0, 1/2^l]$的部分。
- 细节分量$W_{l,t}$ ：由$N/2^l$个小波系数组成，用于捕获信号的高频分量，特别是频率范围在$[1/2^l, 1/2^{l - 1}]$的部分。

构建过程从$V_{0,t} = X_t$开始，$W_{0,t}$未定义。在每次迭代$l = 1, 2, …, \lg N$时，我们对$V_{l - 1,t}$执行两个操作来计算下一级的系数：
- 差分操作 ：提取高频部分，公式为$W_{l,t} = (V_{l - 1,2t} - V_{l - 1,2t - 1}) / \sqrt{2}$。
- 平滑操作 ：对每对连续值求平均，提取低频部分，公式为$V_{l,t} = (V_{l - 1,2t} + V_{l - 1,2t - 1}) / \sqrt{2}$。

当$W_{l,t}$只包含一个系数时（即$l = \lg N + 1$），停止计算。尺度系数仅在计算的中间阶段需要，最终的小波变换是所有小波系数以及$V_{