學習筆記，僅供參考，有錯必糾

關鍵詞:多元時間序列；數據挖掘；聚類分析；復雜網絡

---

Multivariate time series clustering based on complex network

摘要

由于時間序列在各個領域的廣泛存在，近年來時間序列數據挖掘(尤其是時間序列聚類)的研究日益增多。聚類等技術可以從時間序列數據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而具有挑戰性。

我們的研究使我們開發了一種基于復雜網絡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雜網絡的新方法和一種可視化多變量時間序列的新方法。該解決方案創新性地基于關系網絡，并依賴于使用社區檢測技術來實現完整的多元時間序列聚類。

給出了該BCNC方法的詳細算法和仿真實驗。在不同數據集上的實驗結果表明，BCNC聚類法優于傳統的多元時間序列聚類法。

Introduction

由醫療數據、工程數據和財務數據組成的數據集有一個共同的特征：它們通常由一段時間內收集的數據組成。這些時間軸排序的數據統稱為時間序列數據[1]。根據變量的類型，這些數據可以分為兩類：單變量時間序列(UTS)和多變量時間序列(MTS)。

在時間序列數據挖掘領域，學術研究一直關注的領域是相似性度量[2]、分類[3]、聚

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。