基于HMM2的时间序列凝聚聚类算法
苏锦旗
西安邮电大学管理工程学院 西安 710061
摘要：为弥补传统的基于隐M arkov模型在前提假设上的不足，提出了二阶隐马尔可夫模型。在研究二阶隐马尔可夫模型和凝聚算法在时空序列分析的基础上，提出了一种新的基于 HMM2的时间序列凝聚算法。该算法应用 HMM2对时间序列进行建模，合理考虑了概率和模型历史状态的关联性，按照相异度原则将序列聚成几个类，每个类用模型代表，进而对这些模型训练、合并及迭代得到聚类结果。实验比较了该算法与基于HMM算法的聚类质量，研究了聚类正确率与聚类数、距离正确率与模型距离的关系。结果表明，该算法比传统的基于HMM的聚类算法具有更好的性能。
关键词：二阶隐马尔科夫模型凝聚聚类相似性度量序列分析
分类号：TP391.9(计算技术、计算机技术)
资助基金：国家自然科学基金(71173248)陕西省社会科学基金(13Q081)西安邮电大学青年教师科研项目(ZL2012-30)
论文发表日期：2014-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1119-1122,1126 )
英文信息