基于分量属性近邻传播的多元时间序列数据聚类方法

被引：9

作者：

李海林 ^{[1
]}

王成 ^{[2
]}

邓晓懿 ^{[1
]}

机构：

[1] 华侨大学工商管理学院

[2] 华侨大学计算机科学与技术学院

来源：

控制与决策 | 2018年 / 04期

关键词：

多元时间序列; 聚类分析; 近邻传播; 动态时间弯曲; 分量属性;

D O I：

10.13195/j.kzyjc.2017.0150

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

鉴于传统方法不能直接有效地对多元时间序列数据进行聚类分析,提出一种基于分量属性近邻传播的多元时间序列数据聚类方法.通过动态时间弯曲方法度量多元时间序列数据之间的总体距离,利用近邻传播聚类算法分别对数据之间的总体距离矩阵和分量近似距离矩阵进行聚类分析,综合考虑这两种视角下序列数据之间的关联关系,使用近邻传播方法对反映原始多元时间序列数据的综合关系矩阵实现较高质量的聚类.数值实验结果表明,与传统聚类方法相比,所提出方法不仅能够有效地反映总体数据特征之间的关系,而且通过重要分量属性序列之间的关联关系分析能够提高原始时间序列数据的聚类效果.

引用

页码：649 / 656

页数：8

共 12 条

[1] 多元时间序列相似性搜索研究综述 [J].