基于分量属性近邻传播的多元时间序列数据聚类方法-控制与决策.PDF

第 卷 第 期 控 制 与 决 策 年 月 文章编号 基于分量属性近邻传播的多元时间序列数据聚类方法 李海林 王 成 邓晓懿 华侨大学工商管理学院，福建泉州； 华侨大学计算机科学与技术学院，福建厦门 摘 要 鉴于传统方法不能直接有效地对多元时间序列数据进行聚类分析 提出一种基于分量属性近邻传播的多 元时间序列数据聚类方法 通过动态时间弯曲方法度量多元时间序列数据之间的总体距离 利用近邻传播聚类算 法分别对数据之间的总体距离矩阵和分量近似距离矩阵进行聚类分析 综合考虑这两种视角下序列数据之间的 关联关系 使用近邻传播方法对反映原始多元时间序列数据的综合关系矩阵实现较高质量的聚类 数值实验结果 表明 与传统聚类方法相比 所提出方法不仅能够有效地反映总体数据特征之间的关系 而且通过重要分量属性序 列之间的关联关系分析能够提高原始时间序列数据的聚类效果 关键词 多元时间序列；聚类分析；近邻传播；动态时间弯曲；分量属性 中图分类号 文献标志码 ffi ， ， ， ； ， ， ， ff ffi ffi ffi ff ff ； ；ffi ； ； 引 言 不仅具有时间维度长、属性变量多和数据体量大等 时间序列是一组数据按时间先后顺序排列的对 高维特征 而且还伴有不确定、动态和概念飘移等现 象根据属性维度通常可分为单变量时间序列与多变 象 这些特征使得传统技术与方法不能直接有效 量多元 时间序列 多元时间序列是数据分析领域 地应用于多元时间序列的数据挖掘与分析 特别地 中较为复杂的数据类型之一广泛存在于金融、经济、 大数据时代下产生海量无标签的数据模式使得无监 工业工程与电子信息等领域例如金融股票市场中的 督机器学习方法突显其重要性 以聚类为代表的无 交易数据 经济数据分析领域中 和 指数 工 监