一种时间序列动态聚类的算法

被引：8

作者：

谢福鼎 ^{[1
]}

赵晓慧 ^{[2
]}

嵇敏 ^{[2
]}

平宇 ^{[3
]}

机构：

[1] 辽宁师范大学城市与环境学院

[2] 辽宁师范大学计算机与信息技术学院

[3] 同济大学电子信息工程学院

来源：

计算机应用研究 | 2012年 / 29卷 / 10期

关键词：

时间序列; 关键点; 兰氏距离; 模糊聚类算法; 动态聚类;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对时间序列传统静态聚类问题,提出了对时间序列进行动态聚类的方法。该方法首先提取时间序列的关键点集合,根据改进的FCM算法找到动态特征明显的时间序列,再利用提出的动态聚类算法确定此类时间序列在不同时间段的所属类别,在改进的FCM算法中采用兰氏距离可以使其对奇异值不敏感。实验结果反映出动态特征明显的时间序列类别随时间演化的特性,表明了方法的可行性和有效性。与已有算法相比,该方法揭示了时间序列的部分动态特征。该方法还可以运用于研究数据挖掘的其他问题。

引用

页码：3677 / 3680

页数：4

共 15 条

[1]

Clustering streamflow time series for regional classifi-cation. CORDUAS M. Journal of Hydronautics . 2011

[2]

Spectral densityratio based on clustering methods for the binary segmentation of pro-tein sequences:a comparative study. IOANNOU A,FOKIANOS K J,PROMPONAS V. Biosystems Engineering . 2011

[3]

Clustering spatial-temporal precipitation datausing wavelet transform and self-organizing map neural network. HSU K,LI Sheng-tun. Advances in Water Resources . 2010

[4]

Recursive fuzzy C-means clustering for re-cursive fuzzy identification of time-varying processes. DOVZAN D,SKRJANC I. ISA Transactions . 2011

[5] 半监督谱聚类特征向量选择算法 [J].