學(xué)習(xí)筆記，僅供參考，有錯必糾

關(guān)鍵詞:多元時間序列；數(shù)據(jù)挖掘；聚類分析；復(fù)雜網(wǎng)絡(luò)

---

Multivariate time series clustering based on complex network

摘要

由于時間序列在各個領(lǐng)域的廣泛存在，近年來時間序列數(shù)據(jù)挖掘(尤其是時間序列聚類)的研究日益增多。聚類等技術(shù)可以從時間序列數(shù)據(jù)中提取有價值的信息和潛在模式。在這方面，多元時間序列的聚類分析由于其高維數(shù)而具有挑戰(zhàn)性。

我們的研究使我們開發(fā)了一種基于復(fù)雜網(wǎng)絡(luò)的多元時間序列聚類新方法(BCNC)。BCNC包括一種將多變量時間序列映射到復(fù)雜網(wǎng)絡(luò)的新方法和一種可視化多變量時間序列的新方法。該解決方案創(chuàng)新性地基于關(guān)系網(wǎng)絡(luò)，并依賴于使用社區(qū)檢測技術(shù)來實現(xiàn)完整的多元時間序列聚類。

給出了該BCNC方法的詳細(xì)算法和仿真實驗。在不同數(shù)據(jù)集上的實驗結(jié)果表明，BCNC聚類法優(yōu)于傳統(tǒng)的多元時間序列聚類法。

Introduction

由醫(yī)療數(shù)據(jù)、工程數(shù)據(jù)和財務(wù)數(shù)據(jù)組成的數(shù)據(jù)集有一個共同的特征：它們通常由一段時間內(nèi)收集的數(shù)據(jù)組成。這些時間軸排序的數(shù)據(jù)統(tǒng)稱為時間序列數(shù)據(jù)[1]。根據(jù)變量的類型，這些數(shù)據(jù)可以分為兩類：單變量時間序列(UTS)和多變量時間序列(MTS)。

在時間序列數(shù)據(jù)挖掘領(lǐng)域，學(xué)術(shù)研究一直關(guān)注的領(lǐng)域是相似性度量[2]、分類[3]、聚

總結(jié)

以上是生活随笔為你收集整理的文献记录(part43)--Multivariate time series clustering based on complex network的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。