時間序列數(shù)據(jù)的挖掘是一個重要且成熟的研究主題,解決了很多現(xiàn)實問題。多變量時間序列（MTS）在眾多領(lǐng)域應(yīng)用廣泛,如何對MTS準確高效地進行聚類已經(jīng)成為一個熱門的研究課題。相比較于單變量時間序列（UTS）,因為高維度以及各變量之間復(fù)雜的依賴關(guān)系,并且適用于UTS的傳統(tǒng)聚類方法也不能直接應(yīng)用于MTS,使得MTS的研究具有更大的挑戰(zhàn)性。同時,很多應(yīng)用會產(chǎn)生大量事先未分割的時間序列數(shù)據(jù)。基于以上探索,本文對多變量時間序列聚類展開了研究,主要研究工作如下:（1）由于對于時間序列的研究大多集中在單變量時間序列上,且傳統(tǒng)的基于距離的方法很難適用于多變量時間序列,我們提出了一種全新的基于模型的方法—基于稀疏逆協(xié)方差的Kullback-Leibler散度多變量時間序列聚類方法（KLDSICC）。該方法使用多變量高斯模型作為數(shù)據(jù)表示和簇原型,Kullback-Leibler散度作為距離度量。該方法包含兩個階段,首先將每個MTS轉(zhuǎn)換成多變量高斯模型,并結(jié)合圖形套索得到關(guān)鍵參數(shù)稀疏逆協(xié)方差;然后受到傳統(tǒng)聚類方法K-Means原理啟發(fā),再利用多變量高斯模型之間的KL散度進行簇分配。與傳統(tǒng)方法相比,KLD-SICC... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

距離度量的分類

評價方法的分類

本文的方法總體框架圖如圖3.1。主要分為兩個階段,首先是將每個MTS轉(zhuǎn)換成多變量高斯模型,并結(jié)合圖形套索得到關(guān)鍵模型參數(shù)稀疏逆協(xié)方差。然后,受傳統(tǒng)聚類方法K-Means的啟發(fā),使用多變量高斯模型作為聚類的原型,基于KL散度設(shè)計了一種新的MTS距離度量方法來進行簇分配過程。簇分配完成之后,為了更新簇參數(shù),我們將每個集群內(nèi)的所有MTS合并,并再次結(jié)合圖形套索將合并后的MTS轉(zhuǎn)換成多變量高斯模型,將作為新的聚類中心。我們的方法類似于K-Means迭代簇分配和簇原型參數(shù)更新的收斂過程,直到每個簇的成員不再發(fā)生變化為止。3.3.1 聚類方法描述

【參考文獻】：
期刊論文
[1]基于時間序列轉(zhuǎn)錄組篩選谷氨酸棒桿菌內(nèi)源高效組成型啟動子[J]. 王迎春,劉嬌,倪曉蒙,雷宇,鄭平,刁愛坡.  生物工程學(xué)報. 2018(11)
[2]基于時間序列模型殘差的中國東部地區(qū)空氣質(zhì)量指數(shù)（AQI）空間自相關(guān)特征分析[J]. 賀冉冉,朱蘭保,周開勝.  環(huán)境科學(xué)學(xué)報. 2017(07)
[3]短期風(fēng)速時間序列混沌特性分析及預(yù)測[J]. 田中大,李樹江,王艷紅,高憲文.  物理學(xué)報. 2015(03)
[4]中國金融發(fā)展與全要素生產(chǎn)率——基于時間序列的經(jīng)驗證據(jù)[J]. 姚耀軍.  數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2010(03)



本文編號：3483250