时间序列中的模式识别我发现了如何在 JMP 中使用聚类技术来识别相似的模式：
https://community.jmp.com/t5/Discussions/How-to-define-clusters-of-semiconductor-wafer-defect-sort/td-p/15051
在分析时间序列数据时，我通常对出现感兴趣模式的聚类周期感兴趣。 文献中有多种技术，我想知道如何使用 JMP/JMP Pro 来获得一些初步结果。
回复：时间序列中的模式识别除了函数数据浏览器平台（仅在 JMP Pro 中可用）之外，您可能还想查看 JMP 中的时间序列平台（该平台也在 JMP Pro 中，因为 JMP 功能是 JMP Pro 功能的子集）。 平台内嵌套有许多模式识别子平台/可视化选项。 正如 quora 的一位受访者明智地指出的那样，“……这取决于您正在寻找的模式。” 以下是时间序列平台 JMP 在线文档的链接：
https://www.jmp.com/support/help/14-2/time-series-analysis.shtml#
回复：时间序列中的模式识别quora 的这个答案很好地总结了可以用于之前的聚类的不同技术。
源代码： quora.com/什么是检测时间序列中模式的最佳方式算法
- 互相关
- 窗口动态时间扭曲
- 使用统计数据组合来确定时间序列
- 隐马尔可夫模型
- 循环神经网络
回复：时间序列中的模式识别有趣的方法 - 人们可以利用 FDE 平台内的数据预处理和动态时间扭曲。
回复：时间序列中的模式识别我觉得功能数据浏览器平台可能会在这里帮助您。 您可以保存每个时间序列的功能主成分，然后根据这些主成分进行聚类。
以下是有关功能数据浏览器的一些教程：
Function Data Explorer 的内容、地点、原因和方式 (2019-EU-45MP-050)
Function Data Explorer 的广泛技术设施 (US 2018 226)
教程 - 使用 Function Data Explorer 理解传感器数据 (US 2018 410)
回复：时间序列中的模式识别您能否分享您有兴趣使用的文献中的具体实例/技术？ 然后将 JMP/JMP Pro 中的功能与这些特定实例进行比较？
