Enhancing Time Series Clustering by Incorporating Multiple Distance Measures with Semi-Supervised Learning
周竞, 朱山风, 黄晓地, 张彦春 · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2015
时间系列聚类广泛地在各种各样的区域被使用。主要距离措施在之间的存在研究焦点两次系列，(DTW ) 例如动态时间，变弯基于方法，编辑距离基于方法，和基于 shapelets 的方法。在这个工作，第一次，我们试验性地证明没有单个距离措施在聚类光谱的聚类被使用的时间系列的数据集上比其它更好显著地表现。因此，一个问题至于怎么为时间系列的给定的数据集选择一项适当措施产生。回答这个问题，我们建议用监督半的聚类合并多重距离措施的一个集成计划。我们的途径能由为聚类提取珍贵内在的信息集成所有这些措施。就我们的知识而言，这个工作第一次证明监督半的聚类方法基于限制能提高时间系列由联合多重距离措施聚类。在聚类各种各样的时间系列数据集上测试了，我们证明我们的方法超过单个措施，以及典型集成来临。