時間序列流持續(xù)事件的判斷識別是時間序列各應(yīng)用領(lǐng)域研究的基礎(chǔ)。由于時序流數(shù)據(jù)具有海量性、漂移性、時序性等特點(diǎn)，事件發(fā)生前無特定規(guī)律，故現(xiàn)有時序流事件監(jiān)測的系統(tǒng)及方法多為后置觸發(fā)，需獲取全部持續(xù)事件信息后才能進(jìn)行計(jì)算，無法滿足判識時效性和準(zhǔn)確性的要求。隨著計(jì)算機(jī)及人工智能技術(shù)的發(fā)展，如何利用信息化手段配合先進(jìn)統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)知識，實(shí)現(xiàn)時序流持續(xù)事件的實(shí)時判識，成為時間序列領(lǐng)域研究的熱點(diǎn)及難點(diǎn)。因此，針對這些問題，本書提出一種集時間序列流持續(xù)事件獲取、自適應(yīng)聚類、特征分類、模型構(gòu)建以及相似匹配的全過程時序流事件實(shí)時判識技術(shù)。