基于KPCA和G-G聚类的多元时间序列模糊分段
来源期刊：控制与决策2021年第1期
论文作者：王玲 朱慧
关键词：多元时间序列;特征提取;聚类;模糊分段;MDBI指标;
摘 要：针对传统的Gath-Geva（G-G）模糊分段方法需要人为设置参数,对高维时间序列分段效率低的问题,提出一种基于核主元分析（KPCA）和G-G聚类的多元时间序列模糊分段方法.首先,该算法利用KPCA方法对多元时间序列进行特征提取,去除冗余及无关变量的影响;然后,通过近邻传播算法（AP）得到分段数目的上界;最后,将时间信息考虑在内,基于所提出的MDBI有效值指标以及G-G模糊聚类在低维多元时间序列上实现多元时间序列的最佳模糊分段.实验结果表明,所提出算法可以快速有效地检测出时间序列的某种突然和渐近变化的趋势,在准确性和运行效率方面均得到了提升.
王玲1，朱慧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：针对传统的Gath-Geva（G-G）模糊分段方法需要人为设置参数,对高维时间序列分段效率低的问题,提出一种基于核主元分析（KPCA）和G-G聚类的多元时间序列模糊分段方法.首先,该算法利用KPCA方法对多元时间序列进行特征提取,去除冗余及无关变量的影响;然后,通过近邻传播算法（AP）得到分段数目的上界;最后,将时间信息考虑在内,基于所提出的MDBI有效值指标以及G-G模糊聚类在低维多元时间序列上实现多元时间序列的最佳模糊分段.实验结果表明,所提出算法可以快速有效地检测出时间序列的某种突然和渐近变化的趋势,在准确性和运行效率方面均得到了提升.
关键词：多元时间序列;特征提取;聚类;模糊分段;MDBI指标;
