简约时间序列聚类
统计方法学
2015-09-03 v1
摘要
我们引入了一种简约的基于模型的框架，用于对时间过程数据进行聚类。在这些应用中，由于可用观测数据的数量，计算负担往往成为问题。测量到的时间序列也可能含有大量噪声且稀疏，难以定义描述它们的合适模型。我们建议使用 P 样条平滑器对观测到的测量值进行建模，并将由最优样条系数概括的函数对象进行聚类。原则上，该思想可应用于所有最常见的聚类框架。在本工作中，我们讨论了基于 k-means 算法的应用。我们通过模拟以及处理果蝇基因表达数据来评估所提方法的准确性和效率。
引用
@article{arxiv.1509.00729,
title = {Parsimonious Time Series Clustering},
author = {Carmela Iorio and Gianluca Frasso and Antonio D'Ambrosio and Roberta Siciliano},
journal= {arXiv preprint arXiv:1509.00729},
year = {2015}
}