【摘要】：針對(duì)已有基于模型的多維時(shí)間序列(MTS)聚類算法處理不等長(zhǎng)MTS速度較慢的問(wèn)題,提出了一種基于LR分量提取的MTS聚類算法(MUTSCA〈LRCE〉)。首先,采用等頻離散化方法符號(hào)化MTS;然后,計(jì)算用于表達(dá)MTS樣本各維時(shí)間序列之間時(shí)序模式的LR向量,對(duì)每個(gè)LR向量進(jìn)行排序后從其兩端提取固定數(shù)目的不同關(guān)鍵分量,所有提取的關(guān)鍵分量拼接形成表示MTS樣本的模型向量,該過(guò)程將不等長(zhǎng)MTS樣本集轉(zhuǎn)換為等長(zhǎng)的模型向量集;最后,采用k-means算法對(duì)生成的等長(zhǎng)模型向量集進(jìn)行聚類分析。在多個(gè)公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,與基于模型的MTS聚類算法——MUTSCA〈LR〉相比,所提算法能夠在保證聚類效果的前提下,顯著提高不等長(zhǎng)MTS數(shù)據(jù)集的聚類速度。
[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.
【作者單位】： 中國(guó)民航大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61301245) 中國(guó)民航聯(lián)合研究基金資助項(xiàng)目(U1633110)~~
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王曉曄;徐曉穎;孫濟(jì)洲;杜太行;;多維時(shí)間序列數(shù)據(jù)符號(hào)化表示方法的研究[J];計(jì)算機(jī)工程;2006年12期

2 郭小芳;張絳麗;;基于加權(quán)范數(shù)的多維時(shí)間序列相似性主元分析[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

3 陳曉云;吳本昌;韓海濤;;基于多維時(shí)間序列挖掘的降雨天氣模型研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年04期

4 黃河;史忠植;鄭征;;基于形狀特征k-d樹(shù)的多維時(shí)間序列相似搜索[J];軟件學(xué)報(bào);2006年10期

5 程彩娟;“八后問(wèn)題”的算法與程序設(shè)計(jì)[J];天津職業(yè)技術(shù)師范學(xué)院學(xué)報(bào);1991年02期

6 葛磊;武芳;王鵬波;張冬林;;3維建筑綜合中基于最小特征的面平移算法[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2009年02期

7 駱雯,孫延明,陳振威,陳錦昌;判斷點(diǎn)與封閉多邊形相對(duì)關(guān)系的改進(jìn)算法[J];機(jī)械;1999年03期

8 劉巧玲;張紅英;林茂松;;一種簡(jiǎn)單快速的圖像去霧算法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年07期

9 章郡鋒;吳曉紅;黃曉強(qiáng);何小海;;基于暗原色先驗(yàn)去霧的改進(jìn)算法[J];電視技術(shù);2013年23期

10 周秀玲;郭平;陳寶維;王靜;;幾種計(jì)算超體積算法的比較研究[J];計(jì)算機(jī)工程;2011年03期

相關(guān)會(huì)議論文 前1條

1 卓義寶;馮少榮;薛永生;丁倩蕾;;考慮權(quán)重的多維時(shí)間序列相似搜索[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計(jì)算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學(xué);2014年

3 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學(xué);2014年

4 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

5 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測(cè)與分割算法研究[D];上海交通大學(xué);2014年

6 TRAN DANG CONG;粒子群優(yōu)化算法及其在數(shù)據(jù)聚類中的應(yīng)用[D];武漢大學(xué);2015年

7 黃松延;網(wǎng)絡(luò)上的分布式自適應(yīng)估計(jì)算法研究[D];浙江大學(xué);2016年

8 李娟;模式分類中若干基本問(wèn)題的算法研究與應(yīng)用[D];西安電子科技大學(xué);2015年

9 由從哲;子空間聚類分析新算法及應(yīng)用研究[D];江南大學(xué);2017年

10 姚少俊;實(shí)時(shí)三維內(nèi)容生成算法研究與實(shí)現(xiàn)[D];浙江大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 譚海龍;多維時(shí)間序列的分類技術(shù)研究[D];浙江大學(xué);2015年

2 高歌;多維時(shí)間序列分類技術(shù)[D];浙江大學(xué);2008年

3 賈瑞;多維時(shí)間序列數(shù)據(jù)挖掘技術(shù)研究[D];南京航空航天大學(xué);2009年

4 王守濤;一種基于多維時(shí)間序列分析的音樂(lè)推薦系統(tǒng)研究與實(shí)現(xiàn)[D];南京大學(xué);2014年

5 楊諭黔;多維時(shí)間序列學(xué)習(xí)建模與預(yù)測(cè)分析[D];北京交通大學(xué);2014年

6 郭亞銳;面向大規(guī)模數(shù)據(jù)的多視角K-means聚類算法的研究[D];鄭州大學(xué);2017年

7 邱雪營(yíng);基于圖像視覺(jué)上下文的多元IB聚類算法[D];鄭州大學(xué);2017年

8 陸進(jìn);面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

9 李家昌;基于能量約束的超聲圖像自動(dòng)分割算法[D];華南理工大學(xué);2015年

10 陳堅(jiān);基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學(xué);2015年

，

本文編號(hào)：2183039