一种时间序列数据的动态k-means聚类算法

• 作者: 冀敏杰 肖利雪
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: k-means 动态聚类 时间序列数据 数据关联性
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 算法与分析
• 页码范围: 1852-1857
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.08.007

摘要

传统k-means聚类算法是对某个时间片上的静态数据集合进行独立的聚类分析,但对于时间序列数据仅仅是多次静态聚类分析的重复应用.当数据量过大时,算法的时间开销将大大增加.为此,本文提出了一种时间序列数据的动态k-means聚类算法(Dynamic k-means Clustering Algorithm for Time Series Data,DKCA/TSD).该算法通过时间序列的前一时刻最优质心的结果,利用数据之间的关联性进行下一时刻的聚类,从而减少算法的迭代次数,提高时间效率.实验结果表明:对于时间序列数据,DKCA/TSD算法相对于k-means算法时间效率上有很大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖利雪		5	3	1.0	1.0
2	冀敏杰		4	5	2.0	2.0