Jan, 2016

使用欧几里得距离和皮尔森相关系数进行时间序列聚类

PDF
TL;DR本文研究了时间序列比较中的标准化 Z-score 欧几里得距离与 Pearson 相关性距离的等价性及其对基于距离的分类或聚类方法的深刻影响，并提出了标准 k-Means 算法需要修改以保持与 Pearson 相关性的严格一致性的建议。实验结果表明，标准 k-Means 算法通常产生相同的结果。
发现论文，激发创造
  • 一种快速计算距离相关性的算法

    本文提出了一个简单的算法，用于计算两个一元随机变量之间的距离协方差。该算法基本上包括两个排序步骤，时间复杂度为 $O (nlog (n))$，比现有技术更快速。该算法的速度可以帮助研究人员探索大型数据集中复杂的依赖结构。

    Oct, 2018

  • 基于 z 归一化和 NP-Free 的 k-means 时间序列聚类评估

    该论文对 k-means 时间序列聚类进行了全面评估，重点研究了两种不同的标准化技术：z - 标准化和 NP-Free，并通过实验使用轮廓分数评估了它们对聚类质量的影响，填补了这方面研究的空白，为时间序列聚类的发展提供了有价值的见解。

    Jan, 2024

  • 高效查询相关聚类

    本文主要研究了查询效率，使用类似于计算距离的相似度度量，通过提出新的算法实现了更加高效的相关聚类，能够在给定预算内使用不同的查询方式获得与最优解相差不大的结果，并且针对算法进行了实验研究。

    Feb, 2020

  • 清晰相似性以提升基于内存的推荐系统

    分析了基于记忆的协同过滤方法中的相似性估算器的谱特性，说明 Pearson 和 cosine 相似性估算器中存在的噪声和特征值扩散问题，提出了一种简单的重新缩放和噪声清理方案，使基于记忆的方法表现更好。

    May, 2019

  • 一种形式上健壮的时间序列距离度量

    本文提出了一种新的距离度量方法来解决时间序列数据在分类中被任意数据污染的鲁棒性问题，并在 k 近邻时间序列分类中得到了有竞争力的分类精度。

    Aug, 2020

  • 基于两种新距离的有序时间序列模糊聚类及其经济应用

    本文针对序列响应的类别性时间序列聚类问题，提出了基于原型聚类方法的两种距离度量，并采用模糊聚类方法提高了其计算效率和准确性，所提方法在经济学时间序列应用中具有很好的可行性。

    Apr, 2023

  • 压缩聚类

    我们提出了一种基于压缩的聚类方法，使用基于长度压缩数据文件的普适相似性距离（NCD）来构建层级聚类，可以成功地应用于基因组学，病毒学，语言学，文学，音乐，手写数字，天文学以及完全不同域的对象长度压缩数据文件，并且在不同的压缩方式下具有普遍性和强韧性。

    Dec, 2003

  • 通过距离相关性测量和测试依赖性

    本文介绍了一种新的随机向量之间依赖度量 —— 距离相关度量，它的应用在测试独立性方面具有重要意义，文章也给出了其实现方法和蒙特卡罗实验结果。

    Mar, 2008

  • Matrix Profile XXVII：一种新的长时间序列比较距离度量

    介紹了 PATTERN REPRESENTATION COMPARISON IN SERIES (PRCIS)，一種長時間序列的距離度量方法，可利用近期對時間序列用字典縮略的進展，展示其對多種任務和數據集的實用性。

    Dec, 2022

  • 基于随机投影和距离协方差的统计和数值高效独立检验

    使用随机投影和距离相关性基础上的独立性测试方法 RPDC，其计算复杂度为 O (nKlogn)，在多元情况下表现良好，并具有与最先进的距离方法近乎相同的功率。

    Jan, 2017