一种时间序列数据的动态密度聚类算法
陈皓
冀敏杰
郭紫园
夏雨
1.西安邮电大学计算机学院,陕西西安,7101212.西安邮电大学计算机学院,陕西西安,7101213.西安邮电大学计算机学院,陕西西安,7101214.西安邮电大学计算机学院,陕西西安,710121
摘要：传统的聚类算法多是针对某个时间片上的静态数据集合进行的聚类分析,但事实上大部分数据存在时间序列上的连续动态演变过程.本文对时间序列数据及其类结构的演变过程进行了分析,发现在一定条件下相邻时间片间的数据集间存在较强的关联性,并且类簇结构间则存在一定的继承性.故本文得出新的思想,在前一时间片聚类结果的基础上,通过对部分变化数据的计算和类簇结构的局部调整就有望获得对后一时间片上数据进行完全聚类相同的效果,且运算量会显著下降.基于此思想提出了一种时间序列数据的动态密度聚类算法(DDCA/TSD).仿真实验中使用6种数据集对所提出算法进行了实验验证.结果显示DDCA/TSD在保证聚类准确性的基础上相对传统聚类算法有明显的时间效率提升,并能更有效地发现数据点的属性变化及类簇结构的演变过程.
关键词：时间序列数据数据关联性动态密度聚类类继承性
资助基金：国家自然科学基金(61876138)国家自然科学基金(61203311)国家自然科学基金(61105064)陕西省教育厅自然科学研究专项(17JK0701)西安邮电大学创新基金(103-602080016)
论文发表日期：2019-01-01
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：11( 1304-1314 )
英文信息