基于趋势性度量的有序聚类方法探讨

发布时间：2024-06-30 01:06

　　在有序聚类分析方法的研究中,针对原有方法中对时序的趋势性特征体现不够和一些趋势性特征方法计算复杂度较高的问题,对类的直径度量进行了改进,在类的直径度量中,提出了基于斜率滑动均值的有序聚类方法:首先对有序样本中的邻近点计算相互之间的斜率,对新的斜率序列进行滑动平均,将之结果定义为类的直径,最终实现趋势性度量的有序聚类。模拟与实证结果显示,考虑了趋势性度量的有序聚类方法,对波动性序列的趋势性具有更好的分辨能力,且降低了计算的复杂程度,能够提高有序样本聚类的准确性。

【文章页数】：5 页

【部分图文】：

图1单调上升序列折线图

首先,考虑在单调性数据上的模拟。需要生成具有五组不同斜率的时序数据的递增序列,实验数据具体为:第一组为1～21、等差为1的序列;第二组为23～41、等差为2的序列;第三组为44～71、等差为3的序列;第四组为72～81、等差为1的序列;第五组为83～99、等差为2的序列。一共为6....

图2单调上升序列聚类结果图

进一步通过图2的图像比较可以看到,原始方法在斜率出现变化时会出现误判的情况,不能在趋势上完成正确的聚类。而改进后的方法则完全将上升速度相同的时间点聚为了一类,体现了改进方法的优越性。(二)波动性数据

图3波动上升序列折线图

其次,考虑在时序中比较常见的波动性数据,即存在一些周期性特征的时序数据,生成具有五组不同斜率的时序数据的递增序列。实验数据为:第一组为1～10、等差为1的序列;第二组为9.5～5、等差为0.5的序列;第三组为7～25、等差为2的序列;第四组为25～16、等差为1的序列;第五组为1....

图4波动上升序列聚类结果图

进一步通过图4的图像比较可以看到,原始方法在转折点处进行聚类,由转折点向两侧分布,不能在趋势上完成正确的聚类。而改进后的方法则可以将同样上升或下降速度的点聚为一类,更加能够体现序列的趋势变化。四、实证分析

本文编号：3998166