時間序列動態(tài)模糊聚類的研究.pdf

1、隨著全球信息技術(shù)的迅速發(fā)展，大規(guī)模數(shù)據(jù)呈現(xiàn)于各個應(yīng)用領(lǐng)域中。如何從這些海量數(shù)據(jù)中發(fā)現(xiàn)潛在知識，已經(jīng)成為當(dāng)前計算機領(lǐng)域研究的熱點問題之一，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)為解決這一問題提供了有力的工具。數(shù)據(jù)挖掘亦稱為數(shù)據(jù)庫知識發(fā)現(xiàn)，即從大規(guī)模數(shù)據(jù)中找到有潛在使用價值的隱含信息。作為一個蓬勃發(fā)展的交叉領(lǐng)域，其運用了許多其他學(xué)科的技術(shù)和方法，其中包括統(tǒng)計學(xué)理論、數(shù)據(jù)庫技術(shù)、機器學(xué)習(xí)、模式識別、人工智能等。數(shù)據(jù)挖掘研究的主要內(nèi)容包括關(guān)聯(lián)規(guī)則、分類、預(yù)測、聚類

2、、序列發(fā)現(xiàn)、異常檢測等。
　　時間序列由于其數(shù)據(jù)具有明顯的時間特性，且存在于諸多應(yīng)用領(lǐng)域中，如金融，商業(yè)，氣象等，而備受研究者青睞。同時由于其具有高維數(shù)、大量噪音、幅度上存在拉伸和平移、時間軸上易伸縮，并且有線性漂移和不連續(xù)點等特征，為挖掘工作帶來了很大挑戰(zhàn)。目前已有的時間序列聚類方法，是將時間序列作為靜態(tài)數(shù)據(jù)處理，沒有考慮序列隨時間演變的特征，因此進行時間序列的動態(tài)聚類研究具有重要意義。
　　本文針對模糊聚類有效性及時間序

3、列的動態(tài)聚類進行了部分研究，具體研究內(nèi)容如下。
　　1.基于模糊c均值算法，通過隸屬度矩陣計算類內(nèi)緊密性和類間重疊性，本文提出了一種新的模糊聚類有效性指標(biāo)。對于類間有重疊的數(shù)據(jù)集，利用該指標(biāo)可以有效地發(fā)現(xiàn)優(yōu)化的聚類數(shù)。一般來說，理想的聚類結(jié)果是類內(nèi)緊密性大，類間重疊性小。該指標(biāo)可以克服FCM算法中，類數(shù)需要預(yù)先設(shè)定的缺點。通過多組數(shù)據(jù)集測試表明，該指標(biāo)能夠準(zhǔn)確地對模糊聚類結(jié)果的有效性做出判斷，并且對于模糊子m取三個不同的常用值，均

4、能發(fā)現(xiàn)最優(yōu)聚類數(shù)。
　　2.為了彌補時間序列靜態(tài)聚類算法的缺點，本文提出了一種時間序列的動態(tài)聚類方法。該方法首先使用關(guān)鍵點集合表示時間序列，進行降維計算;再根據(jù)基于蘭氏距離的FCM算法，對時間序列進行聚類，從而得到具有明顯時間動態(tài)性的時間序列;最后利用提出的動態(tài)聚類算法對跳轉(zhuǎn)序列進行演化聚類。該方法揭示了時間序列類別隨時間演化的本質(zhì)，反映了對時間序列的聚類區(qū)別于靜態(tài)數(shù)據(jù)聚類的特點?；谔m氏距離的FCM算法對奇異值不敏感。通過多組數(shù)