基于多维时间序列形态特征的相似性动态聚类算法
来源期刊：工程科学学报2017年第7期
论文作者：王玲 孟建瑶 徐培培 彭开香
文章页码：1114 - 1122
关键词：相似性度量;聚类;时间序列;形态特征;降维;
摘 要：由于时间序列数据具有高维度、动态性等特点,这就导致传统的数据挖掘技术很难有效的对其进行处理,为此,提出了一种基于多维时间序列形态特征的相似性动态聚类算法(similarity dynamical clustering algorithm based on multidimensional shape features for time series,SDCTS).首先,提取多维时间序列的特征点以实现降维,然后,根据多维时间序列的斜率、长度和幅值变化的形态特征定义了一种新的时间序列相似性度量标准,进而提出无需人为给定聚类个数的多维时间序列动态聚类算法.实验结果表明,与其他算法相比,此算法对时间序列具有良好的聚类效果.
王玲1,2，孟建瑶1,2，徐培培1,2，彭开香1,2
1. 北京科技大学自动化学院2. 北京科技大学工业过程知识自动化教育部重点实验室
摘 要：由于时间序列数据具有高维度、动态性等特点,这就导致传统的数据挖掘技术很难有效的对其进行处理,为此,提出了一种基于多维时间序列形态特征的相似性动态聚类算法(similarity dynamical clustering algorithm based on multidimensional shape features for time series,SDCTS).首先,提取多维时间序列的特征点以实现降维,然后,根据多维时间序列的斜率、长度和幅值变化的形态特征定义了一种新的时间序列相似性度量标准,进而提出无需人为给定聚类个数的多维时间序列动态聚类算法.实验结果表明,与其他算法相比,此算法对时间序列具有良好的聚类效果.
关键词：相似性度量;聚类;时间序列;形态特征;降维;
