基于三支决策理论的时间序列聚类算法研究
发布时间：2021-09-25 03:46
三支决策是不确定性问题求解的重要理论。将三支决策应用于机器学习领域中不确定问题求解,是三支决策的重要研究方向之一。时间序列聚类是当前机器学习领域的热点问题,其主要的研究方向分为时间序列相似性距离计算和基于时序距离的聚类结果优化,本文结合三支决策思想对时间序列聚类中的不确定性问题进行了不同层次的算法优化,以达到提高时间序列聚类效果的目的。本文具体研究内容包括以下工作。第一,由于经典DTW（Dynamic Time Warping）算法存在高能低效的问题,影响了时间序列聚类的时间效率。本文引入三支决策,提出了一种基于分层递进三支决策的时序相似性算法。其主要思路是基于三支决策理论,建立DTW三支决策理论模型,基于误识别率最优化方法对模型中的决策阈值给出求解思路,并运用一种启发式的模拟退火算法对阈值进行求解。最后经过对比实验分析,验证了本节提出的算法相比于采用两支决策的FTW（Fast Similarity Search under the Time Warping）算法更加有效,愈加证明了三支决策应用于二支决策的拓展研究是普适有效的。第二,集成聚类是为解决单一型聚类的不足,而提出的一种新型聚...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
三支决策示意图
第 2 章 相关技术介绍)2 2 1 1 2 2,n Y x y + x y + + x 个 n 维的空间向量， ,i ix y 分别为向式，使得欧氏距离只能比较两条长大结果误差，严重制约了欧氏距离的方法TW)[83]算法是一种具有很强的抗要思想是：给定一条时间序列P 1 2, ,...,n q q q ，长度为 n。然后计矩阵。然后应用动态规划的方法，续路径。
图 2.3 弯曲距离匹配效果图计算 DTW 算法的时间复杂度，大的问题是制约其使用的主要因3 会议上提出的一种时间弯曲下 under the Time Warping，简称略和有效的剪枝方案，有效提高：时间序列和目标时间序列，按计算粗粒度下的 DTW 距离。若似性不差，则执行步骤 2；时间序列和目标时间序列以一，两条序列间的 DTW 距离，若似性不差，则执行步骤 3；窗口为最小粒度，则直接计算两束。否则执行步骤 2。
本文编号：3409025
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
三支决策示意图
第 2 章 相关技术介绍)2 2 1 1 2 2,n Y x y + x y + + x 个 n 维的空间向量， ,i ix y 分别为向式，使得欧氏距离只能比较两条长大结果误差，严重制约了欧氏距离的方法TW)[83]算法是一种具有很强的抗要思想是：给定一条时间序列P 1 2, ,...,n q q q ，长度为 n。然后计矩阵。然后应用动态规划的方法，续路径。
图 2.3 弯曲距离匹配效果图计算 DTW 算法的时间复杂度，大的问题是制约其使用的主要因3 会议上提出的一种时间弯曲下 under the Time Warping，简称略和有效的剪枝方案，有效提高：时间序列和目标时间序列，按计算粗粒度下的 DTW 距离。若似性不差，则执行步骤 2；时间序列和目标时间序列以一，两条序列间的 DTW 距离，若似性不差，则执行步骤 3；窗口为最小粒度，则直接计算两束。否则执行步骤 2。
本文编号：3409025
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3409025.html
