基于分段线性动态时间弯曲的时间序列聚类算法研究

On Time Series Clustering Algorithms Based on Linear Segment Dynamic Time Warp

时间序列是一类重要的复杂类型数据 ,时间序列知识发现正成为知识发现的研究热点之一。欧几里德距离及其扩展作为相似测度被广泛应用于时间序列的比较中 ,但是这种距离测度对数据没有好的鲁棒性。动态时间弯曲技术是基于非线性动态编程的一种模式匹配算法 ,但是其计算复杂性相当高。本文提出了基于时间序列分段线性表示的动态时间弯曲算法 ,通过计算线性分段序列数据之间的最短弯曲路径来获得序列的匹配。对综合控制时间序列数据进行基于不同距离测度的聚类分析对比结果表明本文提出的算法有很高的精度和对振幅差异、嘈声和线性漂移有强的鲁棒性 ,大大降低计算复杂性 。