基于邻域保持嵌入的时间序列聚类融合算法*

刘 学，翁小清（河北经贸大学 信息技术学院，河北 石家庄 050061）

基于邻域保持嵌入的时间序列聚类融合算法*

刘 学，翁小清
（河北经贸大学 信息技术学院，河北 石家庄 050061）

时间序列的维数比较大，直接对时间序列进行聚类性能不理想。如何提高时间序列的聚类性能，是主要研究点。首先使用邻域保持嵌入对时间序列样本维数约简，然后对维数约简后的数据进行聚类融合，最后将它的聚类性能与已有方法如主成分分析、分段聚合近似进行比较。实验表明，所提出的算法更能提高聚类性能。

时间序列；聚类融合；维数约简；邻域保持嵌入

0 引言

时间序列是一种高维且随着时间变化而变化的数据。时间序列聚类在风险管理、车辆检测［1］、隧道通风控制、交通流等领域广泛应用。

苏木亚等人［2］提出了基于主成分分析（Principal Component Analysis，PCA）的时间序列聚类方法，但是PCA是线性方法，现实数据集往往具有非线性特征；李海林等人［3］先用分段聚合近似（Piecewise Aggregate Approximation，PAA）对时间序列降维，然后进行聚类，但是PAA没有考虑样本之间的内在关系。邻域保持嵌入（Neighborhood Preserving Embedding，NPE）［4］是局部线性嵌入（Locally Linear Embedding，LLE）［5］的线性近似，它清晰地考虑了数据的流形结构，约简后的数据可以最优地保持原数据集的局部邻域信息，并考虑了样本之间的内在关系。

针对单一聚类算法存在结果不稳定的问题，现在趋向于融合多个聚类的结果，即聚类融合。本文提出了一种基于NPE的时间序列聚类融合算法，实验结果表明，本文提出的算法与已有方法相比，更能提高聚类性能。……