基于EMD与K-means算法的时间序列聚类

• 作者: 倪志伟 刘慧婷
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 时间序列 分段序列 降维 经验模态分解 K-means算法
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 研究与应用
• 页码范围: 803-808
• 页数: 6页
• 分类号: TP391
• 字数: 5180字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2009.05.021

摘要

有效实现时间序列聚类的重要前提是序列的维数得到约简,序列中包含的噪声能够被滤除.文中提出一种能够对时间序列进行有效预处理的方法.该方法先通过经验模态分解实现时间序列趋势的提取,再利用自底向上算法对趋势序列进行分段,最后转换成由{-1,0,1}构成的齐序列.为了证明该方法既能实现降维,也可实现数据序列中噪声的滤除,文中利用K-means算法对经过上述方法预处理后的序列进行聚类.实验结果表明,与直接对原序列进行聚类相比,对预处理后的数据序列进行聚类,空间复杂度较低、准确性较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪志伟	合肥工业大学计算机网络系统研究所	136	1346	21.0	27.0
2	刘慧婷	安徽大学计算机科学与技术学院	64	1093	15.0	31.0