时间序列的自动配准与聚类

时间序列数据的聚类呈现出其他设定中不存在的若干挑战，尤其是观测信号的配准（对齐）问题。典型方法包括向用户指定模板的预配准，或试图以最小畸变最优对齐序列的时间扭曲方法。对于许多来自记录或传感设备的信号，这些方法可能不合适，因为预配准无模板信号可用，而扭曲方法的畸变可能掩盖有意义的时间信息。我们提出一种在聚类问题中进行时间序列自动对齐的新方法。我们的方法——基于最优酉变换的时间配准（TROUT）——基于一种新颖的、易于计算的时间序列间相异度度量，可自动识别时间序列对之间的最优对齐。通过将我们的新度量嵌入优化公式，我们保留了计算与统计性能方面的已知优势。我们提供了基于 TROUT 的聚类高效算法，并展示其在一系列对比方法中更优的性能。