关于边界距离的时间序列聚类.pdfVIP

http ：// 基于边界距离的时间序列聚类 李俊奎， 王元珍， 李新萍 华中科技大学计算机科学与技术学院(430074 ） E-mail ：jkltk2000@126.com 摘 要：聚类的关键是定义对象之间的相似度或不相似度。提出了一种基于边界的时间序列 距离度量DLB _ HUST ，较之已存在的基于边界的时间序列距离度量DLB _ Keogh ，DLB _ HUST 更下界且 是对称的距离度量，因而可以应用于时间序列聚类。引入了基于聚类边界的时间序列聚类方 法，每次新加入时间序列到簇中后更新簇的边界，使新簇中各个时间序列对簇边界施加影响。 实验结果表明，基于边界距离度量DLB _ HUST 的时间序列聚类方法优于基于Euclidean 距离和 DTW 距离度量的聚类方法，其是有效可行的。 关键词：时间序列, 聚类, 边界, 对称距离 1. 引 言 时间序列是一种重要的高维数据类型，它是由某个物理量在不同时间点的采样值按照时 间先后次序排列而组成的序列。在科学、工程和商业领域具有广泛应用。如：股票市场每天 的股票收盘价格数据、每季度乘坐某次航班的旅客数、电话公司每小时的话务量等都是时间 序列数据。近年来，对于时间序列数据的挖掘激发了越来越多的研究人员的研究热情[9] 。本 文主要讨论时间序列数据的聚类。 聚类是根据数据的不同特征，将其分组成为不同的数据类或簇(Cluster)，使得同一簇个 体之间的距离尽可能地小，而不同簇个体之间的距离尽可能的大[5] 。给定一个数据集 ，将其划分为 个相似的子集簇 ，其中 ，且 k 。聚类的关键 X {x ,x ,...,x } k {C ,C ,...,C } C ⊆ X C X 1 2 n 1 2 k i ∪ i i 1 是定义对象之间的相似度或不相似度。目前时间序列之间的相似度研究主要集中在对于时间 序列的距离度量上。 Agrawal 等人[1]率先使用等长时间序列的Euclidean 距离度量时间序列间的相似度，后面 [6] [4] [7] [12] [11] 基于此衍生出DFT ，Haar ，PCA ，PAA ，APCA 等时间序列以及子序列相似度度 量。但是Euclidean 距离度量对于时间序列的突变比较敏感，对于不同步时间序列的相似度度 量则会出现较大的偏差。 Berndt 等人[2]则引入在语音识别中被广泛使用的DTW 距离作为时 间序列的相似度度量距离。 Keogh 等人[10]分析了DTW 距离的特性，针对时间序列索引和查 询提出了基于时间序列边界的DLB _ Keogh 距离，这是目前最好的时间序列度量距离，它下界于 Euclidean 距离和DTW 距离。但是DLB _ Keogh 距离不是一种对称的时间序列距离度量，所以并不 适合直接应用于时间序列的聚类。针对这个问题，我们提出了一种对称的基于边界的时间序 列距离度量DLB _ HUST ，并且证明了它下界于DLB _ Keogh ，从而为基于边界的时间序列距离度量应 用于时间序列聚类奠定了基础。 时间序列是一种特殊的高维数据，它具有随时间变化的幅度等特性，当前时间序列聚类 中用簇中一个对象或变种来表示簇中心并不能完全反映簇中所有时间序列的影响。于是我们 针对时间序列的这些特性，引入了时间序列簇的边界概念，并且证明分处两个时间序列簇的 - 1 - http ：// 时间序列的