发表刊物：电子学报
关键字：时间序列; 模糊聚类; 自适应增量学习; 离群样本;
摘要：针对现存可用于时间序列的增量式模糊聚类算法往往需要设置多个控制参数的问题,本文提出了一种基于自适应增量学习的时间序列模糊聚类算法.该算法首先继承上一次聚类得到的簇结构信息以初始化当前聚类进程,然后在无需设置参数的情况下自适应地搜索当前数据块中的离群样本,并自动从离群样本创建新簇,最后检查空簇识别标识确定是否需要移除部分簇以保证后续聚类过程的效率.实验结果表明所提算法对等长和不等长时间序列均具有良好的聚类准确性及运行效率.
论文类型：期刊论文
学科门类：工学
文献类型：J
卷号：47
期号：5
页面范围：983-991
是否译文：否
发表时间：2019-01-01
收录刊物：EI
发布期刊链接：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2019&filename=DZXU201905002&uniplatform=NZKPT&v=u_snSdORxINhQruH5PNBjXoKWhf1zg7t619QTktJjvrOOcM1mnrV1Z202Rcvds-o