本文介绍了相似性搜索在交易系统中的应用，包括检测图案、趋势、异常和集群。常用技巧包括欧氏距离、动态时间规整、基于形状的方法、符号聚集近似、余弦相似性和Pearson相关或交叉相关。

本文介绍了一种新颖的度量方法DTW+S，用于测量时间序列数据之间的距离或相似性。该方法创建了一个可解释的时间序列“接近保持”矩阵表示，并应用动态时间规整来计算这些矩阵之间的距离。研究人员可以使用该方法来查找相似时间点附近发生的相似趋势，并在集成构建和流行病曲线聚类中应用。此外，该方法在某类数据集上的分类效果更好，特别是当局部趋势而非尺度起决定性作用时。