检索结果

Select

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

摘要（763）

PDF （840KB）（919）

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

Select

2. 基于演进向量量化聚类的增量模糊关联分类方法

霍纬纲, 屈峰, 程震

计算机应用 2017, 37 (11): 3075-3079. DOI: 10.11772/j.issn.1001-9081.2017.11.3075

摘要（425）

PDF （773KB）（478）

为了提高动态数据集上模糊关联分类器（FAC）的建模效率，提出了一种基于演进向量量化（eVQ）聚类的增量模糊关联分类方法。首先，采用eVQ聚类算法增量更新数量属性上的高斯隶属度函数参数；然后，扩展早剪枝更新（UWEP）算法，使之适用于增量挖掘模糊频繁项；最后，以模糊相关度（FCORR）和分类规则前件长度为度量方式裁剪并更新模糊关联分类规则库。在4个UCI标准数据集上的实验结果表明，与批量模糊关联分类建模方法相比，所提方法能够在保证分类精度和解释性的前提下，减少模糊关联分类器的训练时间；基于eVQ的高斯隶属度函数的增量更新有助于提高动态数据集上模糊关联分类器的分类精度。

参考文献 | 相关文章 | 多维度评价

Select

3. CCML2017+176+基于eVQ聚类算法的增量模糊关联分类方法

霍纬纲屈峰程震

录用日期: 2017-06-20