论文摘要
针对现存可用于时间序列的增量式模糊聚类算法往往需要设置多个控制参数的问题,本文提出了一种基于自适应增量学习的时间序列模糊聚类算法.该算法首先继承上一次聚类得到的簇结构信息以初始化当前聚类进程,然后在无需设置参数的情况下自适应地搜索当前数据块中的离群样本,并自动从离群样本创建新簇,最后检查空簇识别标识确定是否需要移除部分簇以保证后续聚类过程的效率.实验结果表明所提算法对等长和不等长时间序列均具有良好的聚类准确性及运行效率.
论文目录
文章来源
类型: 期刊论文
作者: 王玲,徐培培
关键词: 时间序列,模糊聚类,自适应增量学习,离群样本
来源: 电子学报 2019年05期
年度: 2019
分类: 信息科技,基础科学
专业: 数学,计算机软件及计算机应用
单位: 北京科技大学自动化学院,北京科技大学自动化学院工业过程知识自动化教育部重点实验室
基金: 国家自然科学基金(No.61572073),北京科技大学中央高校基本科研业务费专项资金资助(No.FRF-BD-17-002A),北京市重点学科共建项目(No.XK100080537)
分类号: TP311.13;O211.61
页码: 983-991
总页数: 9
文件大小: 2558K
下载量: 363