|
|
1.
面向不等长多维时间序列的聚类改进算法
霍纬纲, 程震, 程文莉
计算机应用
2017, 37 (12):
3477-3481.
DOI: 10.11772/j.issn.1001-9081.2017.12.3477
针对已有基于模型的多维时间序列（MTS）聚类算法处理不等长MTS速度较慢的问题，提出了一种基于LR分量提取的MTS聚类算法（MUTSCA〈LRCE〉）。首先，采用等频离散化方法符号化MTS；然后，计算用于表达MTS样本各维时间序列之间时序模式的LR向量，对每个LR向量进行排序后从其两端提取固定数目的不同关键分量，所有提取的关键分量拼接形成表示MTS样本的模型向量，该过程将不等长MTS样本集转换为等长的模型向量集；最后，采用
k-means算法对生成的等长模型向量集进行聚类分析。在多个公共数据集上的实验结果表明，与基于模型的MTS聚类算法——MUTSCA〈LR〉相比，所提算法能够在保证聚类效果的前提下，显著提高不等长MTS数据集的聚类速度。
参考文献 |
相关文章 |
多维度评价
|
|
