• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Clustering time series by linear dependency
【24h】

Clustering time series by linear dependency

机译：通过线性依赖性聚类时间序列

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

We present a new way to find clusters in large vectors of time series by using a measure of similarity between two time series, the generalized cross correlation. This measure compares the determinant of the correlation matrix until some lag k of the bivariate vector with those of the two univariate time series. A matrix of similarities among the series based on this measure is used as input of a clustering algorithm. The procedure is automatic, can be applied to large data sets and it is useful to find groups in dynamic factor models. The cluster method is illustrated with some Monte Carlo experiments and a real data example.
机译：我们通过使用两个时间序列之间的相似性，广义交叉相关性，提出了一种新的时间序列中的群集。该措施将相关矩阵的决定率与两种单变量时间序列的那些与两种单变量时间序列的滞后k进行了比较。基于该度量的系列中的系列中的相似性矩阵用作聚类算法的输入。该过程是自动的，可以应用于大数据集，并且在动态因子模型中找到组是有用的。群集方法用一些蒙特卡罗实验和实际数据示例说明。

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