时间序列挖掘聚类 .pptxVIP

时间序列挖掘●聚类;目 录;聚类的概念;聚类算法的评价标准;聚类算法的评价标准;时间序列聚类概述;基于原始序列数据的时间序列聚类;基于特征数据的时间序列聚类;基于模型的时间序列聚类;小 结;静态时间序列聚类;k-mediods时间序列聚类;k-mediods时间序列聚类;k-mediods时间序列聚类;基于 LB_Hust 距离的时间序列聚类;基于 LB_Hust 距离的时间序列聚类; LB_Keogh：一种考虑弯曲路径限制的DTW 计算方法;此时， LB_Keogh距离定义为：;LB_Keogh的Matlab实现;LB_Hust 距离---对LB_Keogh距离的改进;定理：对于长度为 n 的任何两个时间序列 X 和 Y，限定弯曲路径窗口为w，即对于 xi和 yj点的比较，限定为 j-w ? i ? j+w，存在如下不等式： LB_ Hust(X,Y) ? Keogh(X,Y) 。 性质1：LB_Hust 距离是对称的。即 LB_Hust (X,Y) =LB_Hust (Y,X)。这可以减少距离计算的次数。 性质2：在 LB_Hust 距离计算方式下，时间复杂度由传统的 DTW 距离计算的 O(nm)缩减到 O(n)。;基于 LB_Hust 距离的时间序列聚类;基于 LB_Hust 距离矩阵的层次聚类;基于 LB_Hust 距离矩阵的层次聚类;应用---股票数据聚类