【摘要】：由于時間序列數(shù)據(jù)具有高維度、動態(tài)性等特點,這就導致傳統(tǒng)的數(shù)據(jù)挖掘技術很難有效的對其進行處理,為此,提出了一種基于多維時間序列形態(tài)特征的相似性動態(tài)聚類算法(similarity dynamical clustering algorithm based on multidimensional shape features for time series,SDCTS).首先,提取多維時間序列的特征點以實現(xiàn)降維,然后,根據(jù)多維時間序列的斜率、長度和幅值變化的形態(tài)特征定義了一種新的時間序列相似性度量標準,進而提出無需人為給定聚類個數(shù)的多維時間序列動態(tài)聚類算法.實驗結果表明,與其他算法相比,此算法對時間序列具有良好的聚類效果.
[Abstract]:Because the time series data has the characteristics of high dimension and dynamic, it is very difficult to deal with it effectively by the traditional data mining technology. A dynamic clustering algorithm of similarity based on morphological features of multidimensional time series, (similarity dynamical clustering algorithm based on multidimensional shape features for time series SDCTS, is proposed. Firstly, the feature points of multidimensional time series are extracted to achieve dimensionality reduction. Then, a new measure of time series similarity is defined according to the slope, length and amplitude of multidimensional time series. Furthermore, a multi-dimensional time series dynamic clustering algorithm is proposed, which does not require a given number of clusters. Experimental results show that compared with other algorithms, this algorithm has a good clustering effect on time series.
【作者單位】： 北京科技大學自動化學院;北京科技大學工業(yè)過程知識自動化教育部重點實驗室;
【基金】：國家自然科學基金資助項目(61572073) 北京科技大學中央高�；究蒲袠I(yè)務費專項資金資助(FRF-BD-16-005A) 北京市重點學科共建資助項目(XK100080537)
【分類號】：TP311.13

【相似文獻】

相關期刊論文 前8條

1 郭小芳;張絳麗;;基于加權范數(shù)的多維時間序列相似性主元分析[J];江蘇科技大學學報(自然科學版);2011年05期

2 譚泗橋;林雪梅;陳淵;向昌盛;袁哲明;柏連陽;;基于地統(tǒng)計學的多維時間序列模型及其在生態(tài)學中的應用[J];湖南農(nóng)業(yè)大學學報(自然科學版);2009年04期

3 向昌盛;周子英;;基于支持向量機的害蟲多維時間序列預測[J];計算機應用研究;2010年10期

4 高偉;田錚;;基于條件互信息的多維時間序列圖模型[J];控制理論與應用;2008年02期

5 陳曉云;吳本昌;韓海濤;;基于多維時間序列挖掘的降雨天氣模型研究[J];計算機工程與設計;2010年04期

6 黃河;史忠植;鄭征;;基于形狀特征k-d樹的多維時間序列相似搜索[J];軟件學報;2006年10期

7 徐衍華,龔正發(fā);多維時間序列的建模及預報[J];信息與控制;1987年04期

8 ;[J];;年期

相關會議論文 前1條

1 卓義寶;馮少榮;薛永生;丁倩蕾;;考慮權重的多維時間序列相似搜索[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

相關碩士學位論文 前8條

1 譚海龍;多維時間序列的分類技術研究[D];浙江大學;2015年

2 楊雪;基于可調(diào)參數(shù)的證據(jù)理論的模糊多維時間序列模型[D];大連海事大學;2017年

3 沈靜逸;基于DTW和LMNN的多維時間序列相似性分析方法[D];浙江大學;2017年

4 李芳;基于Lorenz系統(tǒng)的多維時間序列突變檢測方法研究[D];西北民族大學;2017年

5 高歌;多維時間序列分類技術[D];浙江大學;2008年

6 賈瑞;多維時間序列數(shù)據(jù)挖掘技術研究[D];南京航空航天大學;2009年

7 王守濤;一種基于多維時間序列分析的音樂推薦系統(tǒng)研究與實現(xiàn)[D];南京大學;2014年

8 楊諭黔;多維時間序列學習建模與預測分析[D];北京交通大學;2014年

，

本文編號：2143733