KASBA：快速而准确的时间序列聚类
机器学习
2026-04-30 v1
摘要
时间序列数据正在跨越多个领域，推动着时间序列机器学习技术日益增长的需求。其中，时间序列聚类（TSCL）是最流行的机器学习任务之一。TSCL 作为强大的探索性分析工具，也被用作各种任务（包括异常检测、分段和分类）的预处理步骤或子程序。最流行的 TSCL 算法要么运行速度快但在基准问题上表现不佳，要么在基准上表现良好但规模不佳。我们提出了一种新型 TSCL 算法，即 -means（K）加速（A）随机亚梯度（S）球心（B）平均（A）（KASBA）聚类算法。KASBA 是一种 -means 聚类算法，它在聚类的所有阶段都使用 Move-Split-Merge（MSM）弹性距离，应用随机化随机亚梯度梯度下降法寻找球心质心，链接聚类的每个阶段以加快收敛，并利用 MSM 距离的度量属性避免大量距离计算。它是一种通用且可扩展的聚类器，旨用于实际应用中的 TSCL。它允许实践者在运行时间和聚类性能之间进行权衡。我们通过大量实验演示，KASBA 在各类更快的最先进聚类方法中显著优于快速方法，同时对最具性能的 -means 替代方案实现了数量级的运行时间改进。
引用
@article{arxiv.2411.17838,
title = {Rock the KASBA: Blazingly Fast and Accurate Time Series Clustering},
author = {Christopher Holder and Anthony Bagnall},
journal= {arXiv preprint arXiv:2411.17838},
year = {2026}
}