周期性时间序列数据聚类算法的改进研究

郭秀珍; 陆建峰; 汤九斌

Chinese

您当前的位置：

首页 >

文章列表页 >

周期性时间序列数据聚类算法的改进研究

更新时间：2026-09-04

- 周期性时间序列数据聚类算法的改进研究
- Research on Improvement of Clustering Algorithm for Periodic Time-series Data
- 微电子学与计算机 2011年28卷第10期页码：118-121
- 作者机构：
  
  1. 1 南京理工大学计算机科学与技术学院,江苏,南京,210094
  2. 2 中国电信江苏公司,江苏,南京,210037
- 作者简介：
- 基金信息：
  
  江苏省自然基金项目(BK2009489)江苏省青蓝工程
- DOI：
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
郭秀珍, 陆建峰, 汤九斌. 周期性时间序列数据聚类算法的改进研究[J]. 微电子学与计算机, 2011, 28(10): 118-121.

GUO Xiu-zhen, LU Jian-feng, TANG Jiu-bin. Research on Improvement of Clustering Algorithm for Periodic Time-series Data[J]. 2011, 28(10): 118-121.
郭秀珍, 陆建峰, 汤九斌. 周期性时间序列数据聚类算法的改进研究[J]. 微电子学与计算机, 2011, 28(10): 118-121. DOI：

GUO Xiu-zhen, LU Jian-feng, TANG Jiu-bin. Research on Improvement of Clustering Algorithm for Periodic Time-series Data[J]. 2011, 28(10): 118-121. DOI：

摘要

聚类分析是时间数据序列分析的一种常用手段

现有的聚类算法通常从相似性度量方面进行改进.实际的时间序列数据往往具有一定的周期性和连续性

现有的算法往往忽略时间序列数据周期性和连续性特点对聚类算法的影响.对此问题进行了研究

尝试采用延拓的方法来解决该问题

从而改善聚类的效果.初步的实验结果表明了该方法的可行性和有效性.

Abstract

Clustering analysis is a common means of time-series data analysis.The existing clustering algorithm for the time-series data is improved from the similarity measure aspects

but the actual time-series data tend to have a certain periodicity and continuity.The existing algorithms often ignore the impact of periodicity and continuity on time-series data clustering algorithms.This issue is researched in this paper and extension method is used to solve this problem.Preliminary results show the feasibility and effectiveness.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

注意力机制与改进密集卷积引导的信息隐藏模型

基于区块链的AI生成内容溯源框架设计研究

超低功耗实时时钟电路的设计

基于改进RT-DETR的航拍小目标检测算法

面向处理器分支预测单元的Spectre攻击轻量化防御方法