面向时间序列的鲁棒模糊聚类研究.pdf

摘要

随着计算机信息技术的迅速发展，时间序列数据的应用在金融、生物、医学、气象、

电力、工业和农业等各个领域不断兴起。为更好地发现时间序列数据中的有效信息，时

间序列聚类技术受到研究人员的广泛关注。对时间序列聚类的研究中，由于时间序列数

据的高维性和复杂性，致使传统的聚类方法在处理这类数据时存在很多局限性。而模糊

聚类提供了更灵活的聚类标准，对难以定义集群之间清晰边界的时间序列数据提供更多

可解释性，这使得时间序列模糊聚类研究被普遍重视。在时间序列数据集中不可避免地

会存在一些噪声或异常值，模糊聚类对噪声数据敏感的问题便成为研究重点之一。综上，

本文将针对时间序列的鲁棒模糊聚类展开研究，主要研究内容如下：

(1)针对时间序列模糊C均值聚类算法对噪声数据敏感，及其未能将数据中少量已

标记数据所包含的监督信息进行有效利用的问题，提出了一种改进的鲁棒性半监督模糊

C均值聚类算法（SRFCM）。该算法使用马氏距离提出一种样本不确定性分析方法，并

加入到半监督模糊C均值聚类建模中，以消除噪声点的影响。其次改进半监督模糊C

均值聚类的部分监督机制来加大已标记数据的监督能力。采用能够弹性度量时间序列相

似性的时间扭曲编辑距离代替欧氏距离进行聚类。通过对7组公开的时间序列数据集进

行实验对比，结果表明所提算法具有良好的聚类效果。

(2)数字信息的快速增长产生了大量具有丰富特征的时间序列数据，大多数时间序

列数据都是有噪声的，并包含一些异常样本，这导致了聚类效果的下降。为有效地发现

时间序列数据中隐藏的统计信息，提出了一种基于P-Splines的快速加权模糊C-medoids

聚类算法（PS-WFCMdd）。该算法使用P-Splines方法来拟合与原始时间序列数据相关

的函数数据，并将获得的平滑拟合数据用作聚类算法的输入，以增强聚类过程中处理数

据集的能力。然后，在加权模糊C-medoids聚类过程中定义了一种新的加权方法，以避

免孤立点的影响，提升算法的鲁棒性。提出使用Mueen相似性搜索算法来快速准确地测

量时间序列之间的相似性，以提高聚类效率。将PS-WFCMdd算法与其他几种主流时间

序列聚类算法进行了比较，在不同类型的时间序列实例上对该算法的性能进行了实验评

估。实验结果表明，所提算法可加快时间序列数据处理速度，在各聚类评价指标下的综

合性能较好。

关键词：模糊聚类，半监督聚类，时间序列，相似性度量

ABSTRACT

Withtherapidprogressofcomputerinformationtechnology,theapplicationoftimeseriesdatahas

beenrisinginvariousfieldssuchasfinance,biology,medicine,meteorology,electricity,industry,and

agriculture.Inordertobetterextractandfindtheusefulinformationinthesetimeseriesdata,timeseries

clusteringtechnologyhasbeenwidelyconcernedbyresearchers.Inthestudyoftimeseriesclustering,due

tothehighdimensionandcomplexityoftimeseriesdata,traditionalclusteringmethodshavemany

limitationswhendealingwiththiskindofdata,fuzzyclusteringprovidesamoreflexibleclustering

standardandprovidesmoreinterpretabilityforthetimeseriesdatathatisdifficu