?????? 圖像處理與模式識別的教科書使用大量的章節來描述空域的模式識別方法。從圖像底層特征提取、貝葉斯方法到多層神經網絡方法，一般不討論到對象隨時間變化的情況，視頻處理應用和在線學習方法使研究對象開始向時域延伸。

?????? 從不同的角度來看待時序模式識別：時間序列分析基礎

??? ?? 一些摘抄：??????

?????? 時間序列分析說白了就是尋找時間序列中的模式。如果是在確定性時間序列中，這就基本等價于尋找序列的通項公式。

??? 當然實際的時間序列分析基本都是針對隨機時間序列。對于隨機時間序列，情況會復雜一些，但本質上還是可以看做尋找通項公式（可以是封閉形式或遞推形式--一個函數），只不過我們面對的序列存在隨機擾動，所以分析過程中除了確定性序列分析的技術外，還需要一些概率統計方面的知識和方法。

??? 時間序列分析實際上是尋找隨機時間序列中的模式，所以首先要對時間序列做一個假設，假設其符合某個模式。具體一點，就是時間序列可以用一個函數（可以包含隨機變量）來描述。函數的自變量是時刻，值是這個時刻序列的值。例如上例中的白噪聲可以用f(t)=e描述，其中e是一個服從標準正態分布的隨機變量。

時間序列分析的核心工作之一就是根據觀察到的序列值來估計這個函數。

?????? 時序分析的特點：

????????????? 時間相關性、模式的速度和間隙、模式的離散和連續。

1、KMP算法

???????? 請移步原文鏈接：用于序列識別的KMP算法

??????? 字符串匹配可以看做是最簡單的時序分析應用，字符串處理的模式簡單且清晰，KMP算法也被寫到數據結構一書，成為基本算法的一只。

總結

以上是生活随笔為你收集整理的时序分析：串匹配-KMP算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。