搜索到12566篇“ 时间序列聚类“的相关文章
- 基于时间序列聚类的云服务器异常检测方法
- 本发明公开了一种基于时间序列聚类的云服务器异常检测方法，包括提取云服务器上性能资源时间序列数据，用小波包分解的方式预处理时间序列数据，然后利用K‑means聚类算法进行聚类，再用邓恩指数DVI对聚类结果进行评价，从而筛选...
- 孟海宁冯锴石月开童新宇朱磊张贝贝
- 基于对比学习的时间序列聚类方法
- 2024年
- 现有深度聚类方法严重依赖于复杂的特征提取网络和聚类算法,难以直观地定义时间序列的相似性。使用对比学习的方法可以从正负样本数据的角度定义时间序列的区间相似性,并对特征提取和聚类进行联合优化。基于对比学习的思想,提出了一种不依赖于复杂表示网络的时间序列聚类模型。同时,为解决现有时间序列数据增强方法难以描述时间序列的变换不变性的问题,提出了一种基于时间序列形状特征的数据增强方法,在忽略数据时域特征情况下捕捉序列的相似性。模型通过设置不同的形状转换参数构造正负样本对,学习特征表示并投影到特征空间,在实例级对比和聚类级对比层面利用交叉熵损失最大化正样本对相似性,最小化负样本对相似性,实现了端到端的联合学习表示和聚类分配。在32个UCR中的数据集上进行了大量实验,结果表明该模型可以在不依赖于特定表示学习网络的情况下得到与现有方法相当或优于现有方法的聚类结果。
- 杨博罗嘉琛宋艳涛吴宏涛彭甫镕
- 关键词：时间序列聚类
- 结合神经网络和自组织映射网络的多维时间序列聚类方法
- 本发明提供一种结合神经网络和自组织映射网络的多维时间序列聚类方法，涉及聚类分析技术领域，本方法通过多维训练用时间序列数据预处理模块、神经网络模型预训练模块、多维聚类用时间序列数据预处理模块、多维数据自组织映射网络聚类模块...
- 朱荣晖颜为民王广普卑峰张引
- 基于时间序列聚类的公交运营时段划分方法
- 本发明公开了一种基于时间序列聚类的公交运营时段划分方法，从历史运营记录中提取公交线路的行程时间数据，按发车时刻统计不同时间点对应的行程时间数据集；基于各数据集的特征，使用多中心聚类法将具有相似特征的时间点归为一类；得到聚...
- 武建刘尊昌黄迪汪怡然吴忠宜
- 基于时序多表征融合的大气颗粒物时间序列聚类方法、系统及应用
- 本发明涉及基于时序多表征融合的大气颗粒物时间序列聚类方法、系统及应用，包括：实时监测大气颗粒物浓度数据，大气颗粒物浓度数据包括采集时间、采集地点、监测值、污染类型，形成时间序列数据；基于分段线性表征和分段聚合近似策略，从...
- 国芸祯聂佳佳高捷牟岩松王蕴潇李明王浩聪李学庆
- 基于时间序列聚类的中央空调最佳运行效率状态识别方法
- 本发明涉及空调运行调控技术领域，具体为基于时间序列聚类的中央空调最佳运行效率状态识别方法，首先采集冷水机组系统各设备在所有工况下的历史运行数据，利用动态时间弯曲算法来获取各台设备相同工况输出的有功功率时间序列数据之间的距...
- 陈敬峰张文化徐景利童明刚胡琦
- 基于时间序列聚类的中央空调最佳运行效率状态识别方法
- 本发明涉及空调运行调控技术领域，具体为基于时间序列聚类的中央空调最佳运行效率状态识别方法，首先采集冷水机组系统各设备在所有工况下的历史运行数据，利用动态时间弯曲算法来获取各台设备相同工况输出的有功功率时间序列数据之间的距...
- 陈敬峰张文化徐景利童明刚胡琦
- 一种基于对比学习的时间序列聚类方法
- 本发明公开了计算机信息技术处理领域的一种基于对比学习的时间序列聚类方法，旨在解决现有技术中由于忽略金融时间序列特殊性质而无法构造协整组合的技术问题。所述方法包括如下步骤：S1：基于赫斯特指数，进行生成对抗网络的优化，获得...
- 李晓东王莹莹
- 基于时间序列聚类的室内设计客户管理平台
- 2024年
- 文章针对传统室内设计平台扩展性差、抗击并发能力弱的问题,基于时间序列聚类算法设计分布式室内设计客户管理平台。基于Nginx前端服务器和Redis缓存数据库技术搭建高并发高可用的分布式集群,基于G-G聚类算法对的室内设计客户数据时间序列实施模糊分段,对压力大的时段增加节点部署,压力小的时段减少节点部署。测试结果显示,该平台数据读取速度快,响应用户请求及时;时间序列分段结果精细,平台负载压力分布情况表达准确。该平台的客户服务稳定性较强,高并发、高可用、属性突出。
- 肖康笪娟娟武中旭
- 关键词：时间序列聚类算法分布式集群客户管理
- 基于2dSVD和高斯混合模型的多变量时间序列聚类
- 2024年
- 针对多变量时间序列(MTS)存在时间和变量两个维度,以及传统主成分分析(PCA)方法在MTS数据表示上的局限性,提出一种基于二维奇异值分解(2dSVD)和高斯混合模型(GMM)的MTS聚类算法。该文计算MTS的行-行和列-列协方差矩阵的特征向量,从时间和变量两个维度提取特征矩阵;用GMM从概率分布角度对特征矩阵进行聚类。数值实验结果表明,该方法对多变量时间序列具有更好的聚类效果。
- 杨秋颖翁小清
- 关键词：高斯混合模型
相关作者
- 李海林
- 作品数：83被引量：762H指数：18
- 供职机构：华侨大学
- 研究主题：时间序列 数据挖掘 动态时间弯曲 时间序列数据挖掘 聚类分析
- 翁小清
- 作品数：26被引量：73H指数：5
- 供职机构：河北经贸大学信息技术学院
- 研究主题：时间序列 多变量时间序列 局部保持映射 维数约简 时间序列聚类
- 毛文涛
- 作品数：59被引量：238H指数：9
- 供职机构：河南师范大学计算机与信息工程学院
- 研究主题：极限学习机 不均衡数据 主曲线 最小二乘支持向量机 滚动轴承
- 田力
- 作品数：6被引量：0H指数：0
- 供职机构：重庆邮电大学
- 研究主题：持平 程控交换机 层次路由 层次聚类 WIA-PA
- 尤薇佳
- 作品数：22被引量：78H指数：5
- 供职机构：北京林业大学经济管理学院
- 研究主题：网商 电子商务 众筹 突发事件 贸易网络
