時(shí)間序列動(dòng)態(tài)模糊聚類(lèi)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(gè)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(shí)，已經(jīng)成為當(dāng)前計(jì)算機(jī)領(lǐng)域研究的熱點(diǎn)問(wèn)題之一，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)為解決這一問(wèn)題提供了有力的工具。數(shù)據(jù)挖掘亦稱(chēng)為數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)，即從大規(guī)模數(shù)據(jù)中找到有潛在使用價(jià)值的隱含信息。作為一個(gè)蓬勃發(fā)展的交叉領(lǐng)域，其運(yùn)用了許多其他學(xué)科的技術(shù)和方法，其中包括統(tǒng)計(jì)學(xué)理論、數(shù)據(jù)庫(kù)技術(shù)、機(jī)器學(xué)習(xí)、模式識(shí)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(lèi)、預(yù)測(cè)、聚類(lèi)

2、、序列發(fā)現(xiàn)、異常檢測(cè)等。
　　時(shí)間序列由于其數(shù)據(jù)具有明顯的時(shí)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(shí)由于其具有高維數(shù)、大量噪音、幅度上存在拉伸和平移、時(shí)間軸上易伸縮，并且有線性漂移和不連續(xù)點(diǎn)等特征，為挖掘工作帶來(lái)了很大挑戰(zhàn)。目前已有的時(shí)間序列聚類(lèi)方法，是將時(shí)間序列作為靜態(tài)數(shù)據(jù)處理，沒(méi)有考慮序列隨時(shí)間演變的特征，因此進(jìn)行時(shí)間序列的動(dòng)態(tài)聚類(lèi)研究具有重要意義。
　　本文針對(duì)模糊聚類(lèi)有效性及時(shí)間序

3、列的動(dòng)態(tài)聚類(lèi)進(jìn)行了部分研究，具體研究?jī)?nèi)容如下。
　　1.基于模糊c均值算法，通過(guò)隸屬度矩陣計(jì)算類(lèi)內(nèi)緊密性和類(lèi)間重疊性，本文提出了一種新的模糊聚類(lèi)有效性指標(biāo)。對(duì)于類(lèi)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(lèi)數(shù)。一般來(lái)說(shuō)，理想的聚類(lèi)結(jié)果是類(lèi)內(nèi)緊密性大，類(lèi)間重疊性小。該指標(biāo)可以克服FCM算法中，類(lèi)數(shù)需要預(yù)先設(shè)定的缺點(diǎn)。通過(guò)多組數(shù)據(jù)集測(cè)試表明，該指標(biāo)能夠準(zhǔn)確地對(duì)模糊聚類(lèi)結(jié)果的有效性做出判斷，并且對(duì)于模糊子m取三個(gè)不同的常用值，均

4、能發(fā)現(xiàn)最優(yōu)聚類(lèi)數(shù)。
　　2.為了彌補(bǔ)時(shí)間序列靜態(tài)聚類(lèi)算法的缺點(diǎn)，本文提出了一種時(shí)間序列的動(dòng)態(tài)聚類(lèi)方法。該方法首先使用關(guān)鍵點(diǎn)集合表示時(shí)間序列，進(jìn)行降維計(jì)算;再根據(jù)基于蘭氏距離的FCM算法，對(duì)時(shí)間序列進(jìn)行聚類(lèi)，從而得到具有明顯時(shí)間動(dòng)態(tài)性的時(shí)間序列;最后利用提出的動(dòng)態(tài)聚類(lèi)算法對(duì)跳轉(zhuǎn)序列進(jìn)行演化聚類(lèi)。該方法揭示了時(shí)間序列類(lèi)別隨時(shí)間演化的本質(zhì)，反映了對(duì)時(shí)間序列的聚類(lèi)區(qū)別于靜態(tài)數(shù)據(jù)聚類(lèi)的特點(diǎn)?；谔m氏距離的FCM算法對(duì)奇異值不敏感。通過(guò)多組數(shù)