基于新型斜率相似性度量并结合粒子群优化的时间序列聚类

近来，由于时间序列在各领域的广泛存在，针对时间序列数据挖掘尤其是时间序列聚类的研究有所增加。海量时间序列数据使得有必要采用聚类等多种技术来理解数据并提取信息与隐藏模式。在聚类领域特别是时间序列聚类中，最重要的方面是所用相似性度量与执行聚类的算法。本文基于时间序列的简单表示、时间序列各段斜率、欧氏距离与所谓动态时间规整的组合，提出了一种用于时间序列聚类的新相似性度量。本文证明了所提距离度量为度量，故可应用索引。聚类任务采用粒子群优化算法。所提相似性度量在多种聚类算法评价指标上与三种已有度量进行比较。结果表明，本文所用各数据集中，所提相似性度量几乎均优于其余度量。