基于 z-normalization 与 NP-Free 的 k-means 时间序列聚类评估
机器学习
2024-01-30 v1 人工智能
摘要
尽管 k-means 时间序列聚类在各个领域得到了广泛应用，但文献中在针对不同时间序列归一化方法的综合评估方面仍存在空白。本文旨在通过对真实世界开源时间序列数据集上的 k-means 时间序列聚类进行彻底的性能评估来填补这一空白。该评估重点关注两种不同的归一化技术：z-normalization 和 NP-Free。前者是时间序列最常用的归一化方法之一。后者是一种实时时间序列表示方法，可用作时间序列归一化方法。本文的主要目标是评估这两种归一化技术对 k-means 时间序列聚类质量的影响。实验采用了轮廓系数，这是一种用于评估数据集中聚类质量的成熟指标。通过系统地研究采用这两种归一化技术的 k-means 时间序列聚类的性能，本文填补了 k-means 时间序列聚类评估当前的空白，并为时间序列聚类的发展提供了有价值的见解。
引用
@article{arxiv.2401.15773,
title = {Evaluation of k-means time series clustering based on z-normalization and NP-Free},
author = {Ming-Chang Lee and Jia-Chun Lin and Volker Stolz},
journal= {arXiv preprint arXiv:2401.15773},
year = {2024}
}
备注
12 pages, 6 figures, 8 tables, 13th International Conference on Pattern Recognition Applications and Methods (ICPRAM 2024)