基于新相依性度量的环形时间序列模糊聚类及其在风数据中的应用

时间序列聚类是一项重要的机器学习任务，在许多学科中都有应用。虽然大多数方法关注的是在实数轴上取值的时间序列，但很少有工作考虑定义在单位圆上的时间序列，尽管后者在许多应用中频繁出现。本文解决了环形时间序列的聚类问题。为此，我们引入了一种环形序列之间的距离，并用它来构建聚类过程。该度量依赖于一种考虑环形弧的新的序列相依性度量，从而利用了该序列取值范围的固有方向特性。由于序列的动态可能随时间变化，我们采用了一种模糊方法，这使得该过程能够将每个序列以不同的隶属度分配到多个聚类中。由此产生的聚类算法能够对由相似随机过程生成的序列进行分组，并对来自各种模型的序列都能达到准确的结果。广泛的模拟研究表明，所提出的方法在计算效率高的同时，优于几种替代技术。两个涉及沙特阿拉伯风向时间序列的有趣应用凸显了所提出方法的潜力。