基于非負矩陣分解的時序數(shù)據(jù)聚類方法.pdf

1、伴隨著信息工程和現(xiàn)代社會的迅速發(fā)展，出現(xiàn)了越來越多的以時間和空間為維度的數(shù)據(jù)，即時序數(shù)據(jù)。然而，時間序列數(shù)據(jù)和以往的靜態(tài)數(shù)據(jù)有巨大的不同。首先它是增量型數(shù)據(jù)，時序數(shù)據(jù)往往是動態(tài)的、增量到達的，包括數(shù)據(jù)對象的增加和每個數(shù)據(jù)對象在時序上的延長。同時數(shù)據(jù)具有異構(gòu)特征，例如文本、圖像、關(guān)系和時間等，這些特征的數(shù)值可能在不同的量綱上，也可能有的是數(shù)值類型，有的是類別型，在聚類過程中，不能簡單的相加來融合這些特征。最后，大規(guī)模數(shù)據(jù)問題，由于時序數(shù)據(jù)

2、的規(guī)模往往是巨大的，傳統(tǒng)的算法無法滿足用戶所需要的時間響應(yīng)需求。
　　現(xiàn)在已有的各種方法已經(jīng)發(fā)展到可以針對不同類型的時間序列數(shù)據(jù)進行聚類。因為時序數(shù)據(jù)不同于傳統(tǒng)數(shù)據(jù)的特點，使得傳統(tǒng)的聚類方法在時序數(shù)據(jù)上面的準確率并不高。即使是算法的準確率得以保證，但是由于時間序列的高維性，使得計算的時間呈指數(shù)級遞增。
　　基于以上背景以及當前時序數(shù)據(jù)聚類所面臨的問題，本文提出基于非負矩陣分解的時序數(shù)據(jù)聚類方法。通過非負矩陣分解可以描述局部信

3、息的刻畫能力來表征時序數(shù)據(jù)所含有的信息。因為非負矩陣分解獨特的特征，即和其他子空間學(xué)習(xí)算法相比，其在分解過程中保留了數(shù)據(jù)局部信息，而不是全局信息。所以在本文中，采用非負矩陣分解對時間序列數(shù)據(jù)進行表示和描述，然后同時進行三個方面的改進。針對時序數(shù)據(jù)的非負矩陣分解具有收斂慢的特點，所以改進的第一點是將系數(shù)矩陣進行稀疏化，從而加快收斂過程同時達到去噪的目的；第二是在目標函數(shù)中加入一個基矩陣平滑性約束項，采用非負矩陣分解的時序數(shù)據(jù)聚類方法也就是