一种新的基于隐Markov模型的分层时间序列聚类算法

• 作者: 施伯乐 林子雨 段江娇 汪卫 薛永生
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 基于模型 聚类 HMM 时间序列
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 计算机软件与数据库技术
• 页码范围: 61-67
• 页数: 7页
• 分类号: TP311.13
• 字数: 4453字
• 语种: 中文

摘要

针对传统的基于隐Markov模型(HMM)的聚类算法在时间序列聚类的不足,提出了一种新的基于HMM的分层时间序列聚类算法HBHCTS,旨在提高聚类质量,同时对聚类结果给出类的表示.HBHCTS算法应用HMM对时间序列进行建模,并按照"最相似"的原则得到序列所对应的初始模型集,进而对这些初始模型合并更新及迭代得到聚类结果.实验中主要研究了聚类正确率与序列长度及模型距离的关系,结果表明HBHCTS算法比传统的基于HMM的聚类算法准确性高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施伯乐	复旦大学计算机与信息技术系	188	4414	33.0	61.0
2	林子雨	厦门大学计算机科学系	9	185	9.0	9.0
4	薛永生	厦门大学计算机科学系	61	490	13.0	18.0
5	汪卫	复旦大学计算机与信息技术系	100	1152	16.0	29.0
8	段江娇	厦门大学计算机科学系	21	165	8.0	12.0