...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Knowledge-Based Systems >Selective Subsequence Time Series clustering
【24h】

Selective Subsequence Time Series clustering

机译：选择性子序列时间序列聚类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Subsequence Time Series (STS) Clustering is a time series mining task used to discover clusters of interesting subsequences in time series data. Many research works had used this algorithm as a subroutine in rule discovery, indexing, classification and anomaly detection. Unfortunately, recent work has demonstrated that almost all of the STS clustering algorithms give meaningless results, as their outputs are always produced in sine wave form, and do not associate with actual patterns of the input data. Consequently, algorithms that use the results from the STS clustering as their input will fail to produce its meaningful output. In this work, we propose a new STS clustering framework for time series data called Selective Subsequence Time Series (SSTS) clustering which provides meaningful results by using an idea of data encoding to cluster only essential subsequences. Furthermore, our algorithm also automatically determines an appropriate number of clusters without user's intervention.
机译：子序列时间序列（STS）聚类是一个时间序列挖掘任务，用于发现时间序列数据中有趣的子序列的簇。许多研究工作已将此算法用作规则发现，索引编制，分类和异常检测的子例程。不幸的是，最近的工作表明，几乎所有的STS聚类算法都没有给出有意义的结果，因为它们的输出始终以正弦波形式产生，并且与输入数据的实际模式无关。因此，将STS聚类的结果用作输入的算法将无法产生有意义的输出。在这项工作中，我们为时间序列数据提出了一个新的STS聚类框架，称为选择性子序列时间序列（SSTS）聚类，该框架通过使用数据编码的思想仅对基本子序列进行聚类来提供有意义的结果。此外，我们的算法还可以自动确定适当数量的群集，而无需用户干预。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号