时间序列论文解读《Fuzzy c-Shape: A new algorithm for clustering finite time series waveforms》

本文提出FCS+和FCS++两种改进的基于形状的时间序列聚类算法,旨在克服传统算法的计算复杂性和局限性。FCS+用SBD替代FCM中的内积,而FCS++进一步引入形状提取样本更新聚类核心,两算法在精度和效率上超越k-shape。

1.介绍

本文在c-shape算法基础上提出了两个新颖的时间序列聚类算法。两个算法受FCM启发,FCS+用基于形状的距离函数取代FCM中的内积。FCS++不仅使用基于距离的函数,而且还用形状提取样本取代FCM聚类核心。

时间序列聚类算法的距离衡量方法有很多种,ED和DTW是最常用的方法。ED通常在两个等长序列中才有效。DTW距离基于时间序列的形状信息评估相似性,但是该方法计算复杂,因为每一对时间序列的相似性时间代价和数据长度成二次方关系。

现有基于形状的聚类算法有两个缺陷:(i)计算复杂且不适合大规模数据。(2)方法局限于特定领域,或者有效性只在小数据集上验证过。

k-shape是解决时间序列聚类的方法,该方法选择自相关作为衡量时间序列的相似度方法,且用一个新的核心计算方法。该方法在聚类准确性和有效性都得到验证。

本文提出两个新的算法,首先用k-shape中的SBD替代模糊c-means肃反啊,第二个是采用SBD和形状提取方法更新模糊c-means聚类算法的原型。与k-shape相比较,两个算法在精度和效率上可以取得很大提高。

2.FCS+和FCS++聚类算法

FCS+算法使用SBD替换FCM中的内积。FCS++不仅使用基于距离的函数,而且还用形状提取样本取代FCM聚类核心。

3.实验

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值