ty -jour a2 -chen，shyi -ming au -phan，thi -thu -hong au -bigand，andréAu -caillault，émiliepoisson py -2018 da -2018/08/09 ti-新的基于模糊的逻辑相似性度量指标应用于不相关的多元时间序列SP -9095683 VL -2018 AB-丢失值的完成是在许多模式识别和信号处理的领域中一个普遍的问题。用不完整分析数据可能会导致功率损失和不可靠的结果，尤其是对于大量缺失子序列而言。因此，本文旨在引入一种新的方法，以填补低/不相关的多元时间序列中的连续缺失值，从而可以管理高水平的不确定性。通过这种方式，我们建议使用一种基于模糊加权的新型相似性度量。提出的方法涉及三个主要步骤。首先，对于每个不完整的信号，差距之前的数据和此差距之后的数据被视为两个分离的参考时间序列，其各自查询窗口 问 b 和 问 一个 。然后，我们找到最相似的子序列（ 问 b s ）到这个差距之前的子序列 问 b 和最相似的 问 一个 s ）到差距之后的子序列 问 一个 。为了找到这些相似的窗口，我们基于基本相似性度量和模糊逻辑规则的模糊等级建立了新的相似性度量。最后，我们填补了窗口的平均值以下的空白 问 b s 还有一个 问 一个 s 。实验结果表明，在多元时间序列序列中具有低/不相关的数据，但在每个信号上有有效的信息，所提出的方法的表现优于最先进的方法。SN -1687-9724 UR -https：//doi.org/10.1155/2018/9095683 do -10.1155/2018/2018/2018/9095683 JF-应用计算智能和软计算