基于多维时间序列形态特征的相似性动态聚类算法

发布时间：2018-07-25 11:50

【摘要】：由于时间序列数据具有高维度、动态性等特点,这就导致传统的数据挖掘技术很难有效的对其进行处理,为此,提出了一种基于多维时间序列形态特征的相似性动态聚类算法(similarity dynamical clustering algorithm based on multidimensional shape features for time series,SDCTS).首先,提取多维时间序列的特征点以实现降维,然后,根据多维时间序列的斜率、长度和幅值变化的形态特征定义了一种新的时间序列相似性度量标准,进而提出无需人为给定聚类个数的多维时间序列动态聚类算法.实验结果表明,与其他算法相比,此算法对时间序列具有良好的聚类效果.
[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.
【作者单位】： 北京科技大学自动化学院;北京科技大学工业过程知识自动化教育部重点实验室;
【基金】：国家自然科学基金资助项目(61572073) 北京科技大学中央高校基本科研业务费专项资金资助(FRF-BD-16-005A) 北京市重点学科共建资助项目(XK100080537)
【分类号】：TP311.13

【相似文献】

相关期刊论文 前8条

1 郭小芳;张绛丽;;基于加权范数的多维时间序列相似性主元分析[J];江苏科技大学学报(自然科学版);2011年05期

2 谭泗桥;林雪梅;陈渊;向昌盛;袁哲明;柏连阳;;基于地统计学的多维时间序列模型及其在生态学中的应用[J];湖南农业大学学报(自然科学版);2009年04期

3 向昌盛;周子英;;基于支持向量机的害虫多维时间序列预测[J];计算机应用研究;2010年10期

4 高伟;田铮;;基于条件互信息的多维时间序列图模型[J];控制理论与应用;2008年02期

5 陈晓云;吴本昌;韩海涛;;基于多维时间序列挖掘的降雨天气模型研究[J];计算机工程与设计;2010年04期

6 黄河;史忠植;郑征;;基于形状特征k-d树的多维时间序列相似搜索[J];软件学报;2006年10期

7 徐衍华,龚正发;多维时间序列的建模及预报[J];信息与控制;1987年04期

8 ;[J];;年期

相关会议论文 前1条

1 卓义宝;冯少荣;薛永生;丁倩蕾;;考虑权重的多维时间序列相似搜索[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

相关硕士学位论文 前8条

1 谭海龙;多维时间序列的分类技术研究[D];浙江大学;2015年

2 杨雪;基于可调参数的证据理论的模糊多维时间序列模型[D];大连海事大学;2017年

3 沈静逸;基于DTW和LMNN的多维时间序列相似性分析方法[D];浙江大学;2017年

4 李芳;基于Lorenz系统的多维时间序列突变检测方法研究[D];西北民族大学;2017年

5 高歌;多维时间序列分类技术[D];浙江大学;2008年

6 贾瑞;多维时间序列数据挖掘技术研究[D];南京航空航天大学;2009年

7 王守涛;一种基于多维时间序列分析的音乐推荐系统研究与实现[D];南京大学;2014年

8 杨谕黔;多维时间序列学习建模与预测分析[D];北京交通大学;2014年

，

本文编号：2143733