時間序列聚類方法研究.pdf

1、時間序列(time series)挖掘工作是數(shù)據(jù)挖掘領(lǐng)域的重要研究分支，有非常大的應(yīng)用價值。時間序列是一種重要的數(shù)據(jù)對象，在氣象學(xué)、經(jīng)濟學(xué)、地理學(xué)以及金融學(xué)等許多領(lǐng)域都大量存在，對這些數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘分析，可以找到事物變化以及發(fā)展的規(guī)律，并且能夠為科學(xué)決策提供數(shù)學(xué)依據(jù)。近年來，隨著數(shù)據(jù)庫技術(shù)的快速發(fā)展，以及數(shù)據(jù)庫管理系統(tǒng)的大量應(yīng)用，產(chǎn)生的數(shù)據(jù)越來越多，如何分析、處理這些海量的時間序列數(shù)據(jù)，并從這些數(shù)據(jù)中發(fā)現(xiàn)有預(yù)知性的、有價值性的信息，引

2、起了現(xiàn)在越來越多學(xué)者的重視和關(guān)注。
　　 由于現(xiàn)在大量時間序列具有短期內(nèi)波動頻繁、存在大量噪聲干擾并且不穩(wěn)定等的一些特點，直接在原時間序列上進(jìn)行時間序列挖掘處理工作包括相似性查詢、分類和聚類、模式識別等，不但占用存儲空間大、計算效率低下，而且嚴(yán)重影響算法的準(zhǔn)確性以及可靠性，不能得到一個滿意的預(yù)期的結(jié)果。近期以來，時間序列的數(shù)據(jù)挖掘、知識發(fā)現(xiàn)、預(yù)測、相似性搜索等問題已經(jīng)成為研究熱點，主要研究工作包括降維、特征提取、相似性度量、聚類

3、等。
　　 本文是通過對時間序列聚類的工作進(jìn)行深入研究，開展了以下的研究工作。
　　 1.提出了一種基于DTW的符號化時間序列聚類算法，對降維后的不等長符號時間序列進(jìn)行聚類，該算法首先對時間序列進(jìn)行降維處理，提取時間序列的關(guān)鍵點，并對其進(jìn)行符號化；其次利用DTW方法進(jìn)行相似度計算；最后利用基于Normal矩陣的譜平分方法和FCM方法進(jìn)行聚類分析；實驗結(jié)果表明，將DTW方法應(yīng)用在關(guān)鍵點提取之后的符號化時間序列上，聚類結(jié)果的

4、準(zhǔn)確率有較好的提高。
　　 2.改進(jìn)了一種基于關(guān)鍵點的時間序列聚類算法。該算法基于關(guān)鍵點技術(shù)，提出了一種新的時間序列聚類方法。算法首先尋找時間序列的關(guān)鍵點，并將關(guān)鍵點序列進(jìn)行等維處理后，采用簡單的歐氏距離進(jìn)行相似性計算，最后利用模糊C均值方法實現(xiàn)時間序列的聚類。實驗結(jié)果表明，在時間序列聚類過程中，該方法不僅可以有效降低時間序列的維數(shù)，加快聚類的速度，而且可以得到理想的聚類結(jié)果。
　　 3.改進(jìn)的符號化時間序列處理方法。該