文档介绍：第3l卷第10期系统工程理论与实践
,
2011年10月 Systems Engineering—Theory&Practice
Oct..2011
文章编号:1000-6788(2011)10-1921—11 中图分类号: 文献标志码:A
基于独立成分分析的时间序列谱聚类方法
郭崇慧,苏木亚
(大连理工大学系统工程研究所,大连116024)
摘要为了对时间序列数据进行聚类分析,提出了一种基于独立成分分析的时间序列多路归一化
割谱聚类方法,
法首先利用独立成分分析对时间序列数据进行特征提取,然后利用多路归一化割谱聚类方法完成
对时间序列特征数据的聚类分析,
方法的可行性和有效性,将其应用于仿真时间序列数据和实际的股票时间序列数据聚类分析中,取
得了较好的数值结果.
关键词时间序列数据挖掘;独立成分分析;谱聚类
Spectral clustering method based on ponent
analysis for time series
GUO Chong- Mu-ya
(Institute of Systems Engineering,Dalian University of Technology,Dalian 116024,China)
Abstract In order to cluster time series data,this paper presents spectral clustering method based
on ponent analysis for time series and gives some theoretical interpretations for feature
extraction and dimension reduction of time series data by using ponent
method includes two the first step,it conducts feature extraction and dimension reduction of
time series data by applying ponent the second step,it clusters time series
data using multiway normalized cut spectral clustering ’a new feature-based time
series clustering method is the purpose of validating feasibility and effectiveness of the
presented method,the method is used to analyze the simulation time series data and the real world stock
time series data and much better numerical results are derived.
Keywords:time series data mining;ponent analysis;spectral clustering
1引言
时间序列数据是一种非常重要的高维数据类型,与静态数据不同,时间序列数据的属性值随时间的变化
,是时间序列数据挖掘中的重要任务之一,在工
程、,故对其进行聚
,涌现出许多时间序列聚类方法【1】'这些时间序列数据聚类方法大体上可
以分为三种,即基于原始数据的聚类、
接对高维时间序列数据进行聚类,从而增大了算法的时间复杂度和空间复杂度,这限制了基于原始数据的时
的特征数据或者是模型参数,
高维特性和高噪声特性,为了能够对其进行有效聚类,已经提出了多种基于特征的时间序列数据聚类方法,这