面向Shapelet空间的多变量时间序列密度聚类算法OA北大核心CSTPCD
多变量时间序列聚类问题已经成为时间序列分析任务中重要的研究课题,相较于单变量时间序列,多变量时间序列的研究复杂性更高,难度更大。尽管当前已经提出了许多针对多变量时间序列的聚类算法,但是这些算法在精度和解释性方面仍旧不足。其一,当前大部分工作并未考虑多变量时间序列的长度冗余性和变量相关性等问题,导致最终得到的相似性矩阵具有较大误差;其二,数据在聚类过程中普遍采用划分范式,当数值空间呈现复杂分布时该思想表现不佳,并且不具备对各个变量及空间的解释力。针…查看全部>>
盛锦超;杜明晶;孙嘉睿;李宇蕊
江苏师范大学计算机科学与技术学院,江苏徐州221100江苏师范大学计算机科学与技术学院,江苏徐州221100江苏师范大学计算机科学与技术学院,江苏徐州221100江苏师范大学计算机科学与技术学院,江苏徐州221100
计算机与自动化
多变量时间序列子序列Shapelet空间密度峰值聚类数据挖掘
《计算机科学与探索》 2024 (2)
P.387-402,16
国家自然科学基金(62006104,61872168)江苏省高校自然科学基金(20KJB520012)。
评论