基于两种新距离的有序时间序列模糊聚类及其经济应用
机器学习
2023-04-25 v1 机器学习
摘要
时间序列聚类是一项核心的机器学习任务,在诸多领域有应用。尽管多数方法聚焦于实值时间序列,极少有工作考虑具有离散响应的序列。本文处理有序时间序列的聚类问题。为此,引入两种有序时间序列间的新距离,并用于构造模糊聚类过程。两种度量均为估计累积概率的函数,从而自动利用序列值域固有的序结构。所得聚类算法计算高效,能够将由相似随机过程生成的序列分组,即便序列来自多种多样的模型也能得到准确结果。由于序列的动态可能随时间变化,我们采用模糊方法,从而使过程能将每一条序列以不同隶属度归入多个簇。广泛的模拟研究表明所提方法优于若干替代方法。还给出了聚类算法的加权版本,并讨论了其相对于原方法的优势。两个涉及经济时间序列的具体应用说明了所提方法的实用性。
引用
@article{arxiv.2304.12249,
title = {Fuzzy clustering of ordinal time series based on two novel distances with economic applications},
author = {Ángel López Oriona and Christian Weiss and José Antonio Vilar},
journal= {arXiv preprint arXiv:2304.12249},
year = {2023}
}