基于模糊聚类的时间序列分割:历史过程数据分析的有用工具-matlab开发

上传者: 38653296 | 上传时间: 2021-09-30 19:28:58 | 文件大小: 656KB | 文件类型: -
多元时间序列的变量变化通常是模糊的,不关注任何特定的时间点。 因此,定义段的清晰边界是不切实际的。 虽然模糊聚类算法被广泛用于对重叠和模糊的对象进行分组,但它们不能直接应用于时间序列分割,因为聚类需要在时间上是连续的。 本文提出了一种用于同时识别局部概率主成分分析 (PPCA) 模型的聚类算法,该模型用于测量片段的同质性,以及用于及时表示片段的模糊集。 该算法有利于时间上的连续集群,并且能够检测多元时间序列隐藏结构的变化。 已经制定了基于簇的兼容性标准的模糊决策算法来确定所需的段数,而所需的主成分数由模糊协方差矩阵的特征值的screeplots确定。 应用实例表明,这种新技术是分析历史过程数据的有用工具。 该技术还描述于: J. Abonyi、B. Feil、S. Nemeth、P. Arva,用于多元时间序列模糊分割的修正 Gath-Geva 聚类,模糊集和系统 149 (2005)

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明