基于主成分分析的单变量时间序列聚类方法.docVIP

————————————————————————————————————————————————————— 基于主成分分析的单变量时间序列聚类方法 第20卷第6期 2011年12月运筹与管理OPERATIONSRESEARCHANDMANAGEMENTSCIENCEVol．20，No．6Dec．2011 苏木亚，郭崇慧 （大连理工大学系统工程研究所，辽宁大连116024） 关键词：多元统计分析；单变量时间序列；主成分分析；聚类分析 3221（2011）06-0066-07中图分类号：O212．4文章标识码：A文章编号：1007- UnivariateTimeSeriesClusteringMethodBasedonPrincipalComponentAnalysis SUMu-ya，GUOChong-hui （InstituteofSystemsEngineering，DalianUniversityofTechnology，Dalian116024，China） Abstract：Forthehighdimensionalityoftimeseries，basedontheoreticalanalysis，anewmethodisproposedtoreducethedimensionofunivariatetimeseriesviaprincipalcomponentanalysis，thusunivariatetimeseriesclus-teringmethodbasedonprincipalcomponentanalysisispresented．Themainideaisthat，similaritiesamongtheunivariatetimeseriesarereflectedbysimilaritiesamongthecorrespondingcoefficientsunderthesamebasicvec-torsoflinearspace．Intheprocessoftheoreticalanalysis，wefirstlydotheprincipalcomponentanalysisonuni-variatetimeseriesdatasetsandthenanalyzetherelationshipamongunivariatetimeseries，eigenvectorsofsam-plecovariancematrixandprincipalcomponents．Moreover，weprovethatthevectorscomposedofprincipalcom-ponentsarelinearindependent．Inordertofurtherverifythecorrectnessoftheoreticalanalysisresultsandtheperformanceoftheproposedalgorithm，simulationdataandrealstockdataareusedtodothenumericalexperi-mentsfinally． Keywords：univariatetimeseries；principalcomponentanalysis；clusteranalysis 0引言 时间序列数据是一种非常重要的高维数据类型。与静态数据不同，时间序列数据的属性值随时间的变化而变化。对时间序列数据进行分析和挖掘能够为众多领域提供有价值的信息，时间序列聚类分析是 1］时间序列数据挖掘中的重要任务之一，广泛应用于工程、金融和商业等领域。文［将已有的时间序列聚 类方法分为三大类：基于原始数据集的聚类、基于特征的聚类和基于模型的聚类。基于原始数据集的聚类 收稿日期：2010-05-18 ；国家高技术研究发展计划（863计划）资助项目（2008AA04Z107）基金项目：国??自然科学基金资助项目 ），），作者简介：苏木亚（1983-男，蒙古族，博士研究生，研究方向为数据挖掘与商务智能；郭崇慧（1973-男，博士，教授，博士生导师，研 究方向为系统优化方法、数据挖掘与机器学习。 然后再直接应用静态数据的聚类方法来完成聚类任务。学者们已设计出静态的特征数据或者模型参数， 多个基于特征的聚类方法来克服基于原始数据集的时间序列聚类法遇到的困难，这些方法用到的特征包 ［1］归一化谱、互相关系数、感知重要点、时域－频域表示和小波变换等。括线性预测编码系数、 主