关键词subsequence clustering
搜索结果 - 3
- WWW张量时间序列的动态多网络挖掘
本文提出了一种名为 Dynamic Multi-network Mining(DMM)的新方法,用于将张量时间序列转化为一组具有多种长度(即聚类)的段群,并结合 l1-norm 的依赖网络对其进行子序列聚类,以实现可解释性、准确性和可扩展性 - MM基于自编码器的迭代建模与多元时间序列子序列聚类算法
本文介绍了一种用于检测变点和识别瞬态多变量时间序列数据中相应子序列的算法,该算法使用基于递归神经网络 (RNN) 的自编码器 (AE),通过重构误差和潜在空间信息来建立子序列模型,提出一种基于曲率的相似性度量进行更直观的时间序列子序列聚类, - 基于 Toeplitz 反协方差的多元时间序列数据聚类
本研究提出了一种基于 Toeplitz Inverse Covariance 的模型聚类方法,称为 TICC,通过马尔科夫随机场描述聚类中子序列中不同观测之间的相互依赖性,从而在同时分割和聚类时间序列数据的过程中实现了可扩展性且解释性更强的