基于非負(fù)矩陣分解的時(shí)序數(shù)據(jù)聚類方法.pdf

1、伴隨著信息工程和現(xiàn)代社會(huì)的迅速發(fā)展，出現(xiàn)了越來越多的以時(shí)間和空間為維度的數(shù)據(jù)，即時(shí)序數(shù)據(jù)。然而，時(shí)間序列數(shù)據(jù)和以往的靜態(tài)數(shù)據(jù)有巨大的不同。首先它是增量型數(shù)據(jù)，時(shí)序數(shù)據(jù)往往是動(dòng)態(tài)的、增量到達(dá)的，包括數(shù)據(jù)對(duì)象的增加和每個(gè)數(shù)據(jù)對(duì)象在時(shí)序上的延長。同時(shí)數(shù)據(jù)具有異構(gòu)特征，例如文本、圖像、關(guān)系和時(shí)間等，這些特征的數(shù)值可能在不同的量綱上，也可能有的是數(shù)值類型，有的是類別型，在聚類過程中，不能簡(jiǎn)單的相加來融合這些特征。最后，大規(guī)模數(shù)據(jù)問題，由于時(shí)序數(shù)據(jù)

2、的規(guī)模往往是巨大的，傳統(tǒng)的算法無法滿足用戶所需要的時(shí)間響應(yīng)需求。
　　現(xiàn)在已有的各種方法已經(jīng)發(fā)展到可以針對(duì)不同類型的時(shí)間序列數(shù)據(jù)進(jìn)行聚類。因?yàn)闀r(shí)序數(shù)據(jù)不同于傳統(tǒng)數(shù)據(jù)的特點(diǎn)，使得傳統(tǒng)的聚類方法在時(shí)序數(shù)據(jù)上面的準(zhǔn)確率并不高。即使是算法的準(zhǔn)確率得以保證，但是由于時(shí)間序列的高維性，使得計(jì)算的時(shí)間呈指數(shù)級(jí)遞增。
　　基于以上背景以及當(dāng)前時(shí)序數(shù)據(jù)聚類所面臨的問題，本文提出基于非負(fù)矩陣分解的時(shí)序數(shù)據(jù)聚類方法。通過非負(fù)矩陣分解可以描述局部信

3、息的刻畫能力來表征時(shí)序數(shù)據(jù)所含有的信息。因?yàn)榉秦?fù)矩陣分解獨(dú)特的特征，即和其他子空間學(xué)習(xí)算法相比，其在分解過程中保留了數(shù)據(jù)局部信息，而不是全局信息。所以在本文中，采用非負(fù)矩陣分解對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行表示和描述，然后同時(shí)進(jìn)行三個(gè)方面的改進(jìn)。針對(duì)時(shí)序數(shù)據(jù)的非負(fù)矩陣分解具有收斂慢的特點(diǎn)，所以改進(jìn)的第一點(diǎn)是將系數(shù)矩陣進(jìn)行稀疏化，從而加快收斂過程同時(shí)達(dá)到去噪的目的；第二是在目標(biāo)函數(shù)中加入一個(gè)基矩陣平滑性約束項(xiàng)，采用非負(fù)矩陣分解的時(shí)序數(shù)據(jù)聚類方法也就是