面向不等长多维时间序列的聚类改进算法

发布时间：2018-08-14 13:43

【摘要】：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。
[Abstract]:In view of the problem that the existing model-based multi-dimensional time series (MTS) clustering algorithm is slow to deal with unequal length MTS, a MTS clustering algorithm based on LR component extraction (MUTSCA < LRCE >) is proposed. Firstly, the equal-frequency discretization method is used to symbolize the MTSs, and then the LR vector which is used to express the temporal patterns between the different dimensions of the MTS samples is calculated, each LR vector is sorted and a fixed number of different key components are extracted from its two ends. All the extracted key components are joined to form model vectors representing MTS samples, and the unequal length MTS sample sets are converted into equal length model vector sets. Finally, the k-means algorithm is used to cluster the generated equal-length model vector sets. Experimental results on several common datasets show that compared with model-based MTS clustering algorithm, MUTSCA < LR >, the proposed algorithm can significantly improve the clustering speed of MTS datasets with unequal length on the premise of ensuring clustering effect.
【作者单位】： 中国民航大学计算机科学与技术学院;
【基金】：国家自然科学基金资助项目(61301245) 中国民航联合研究基金资助项目(U1633110)~~
【分类号】：TP311.13

【相似文献】

相关期刊论文 前10条

1 王晓晔;徐晓颖;孙济洲;杜太行;;多维时间序列数据符号化表示方法的研究[J];计算机工程;2006年12期

2 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

3 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

4 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

5 程彩娟;“八后问题”的算法与程序设计[J];天津职业技术师范学院学报;1991年02期

6 葛磊;武芳;王鹏波;张冬林;;3维建筑综合中基于最小特征的面平移算法[J];测绘科学技术学报;2009年02期

7 骆雯,孙延明,陈振威,陈锦昌;判断点与封闭多边形相对关系的改进算法[J];机械;1999年03期

8 刘巧玲;张红英;林茂松;;一种简单快速的图像去雾算法[J];计算机应用与软件;2013年07期

9 章郡锋;吴晓红;黄晓强;何小海;;基于暗原色先验去雾的改进算法[J];电视技术;2013年23期

10 周秀玲;郭平;陈宝维;王静;;几种计算超体积算法的比较研究[J];计算机工程;2011年03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

相关博士学位论文 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

4 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年

5 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年

6 TRAN DANG CONG;粒子群优化算法及其在数据聚类中的应用[D];武汉大学;2015年

7 黄松延;网络上的分布式自适应估计算法研究[D];浙江大学;2016年

8 李娟;模式分类中若干基本问题的算法研究与应用[D];西安电子科技大学;2015年

9 由从哲;子空间聚类分析新算法及应用研究[D];江南大学;2017年

10 姚少俊;实时三维内容生成算法研究与实现[D];浙江大学;2015年

相关硕士学位论文 前10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 高歌;多维时间序列分类技术[D];浙江大学;2008年

3 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

4 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

5 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

6 郭亚锐;面向大规模数据的多视角K-means聚类算法的研究[D];郑州大学;2017年

7 邱雪营;基于图像视觉上下文的多元IB聚类算法[D];郑州大学;2017年

8 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

9 李家昌;基于能量约束的超声图像自动分割算法[D];华南理工大学;2015年

10 陈坚;基于密度和约束的数据流聚类算法研究[D];兰州大学;2015年

，

本文编号：2183039