周期性时间序列数据聚类算法的改进研究
聚类分析是时间数据序列分析的一种常用手段，现有的聚类算法通常从相似性度量方面进行改进。实际的时间序列数据往往具有一定的周期性和连续性，现有的算法往往忽略时间序列数据周期性和连续性特点对聚类算法的影响。对此问题进行了研究，尝试采用延拓的方法来解决该问题，从而改善聚类的效果。初步的实验结果表明了该方法的可行性和有效性。
时间数据序列分析 聚类算法 周期性 延拓处理 k均值算法
郭秀珍 陆建峰 汤九斌
南京理工大学计算机科学与技术学院,江苏 南京 210094 中国电信江苏公司,江苏 南京 210037
国内会议
徐州
中文
118-121
2011-10-22（万方平台首次上网日期，不代表论文的发表时间）