[发明专利]启发式的不等长时间序列聚类核心集的构建方法

权利要求书

1.一种启发式的不等长时间序列聚类核心集的构建方法，其特征在于，所述方法包括：

增加核心集C_t-1的时间序列数据对象的权重，根据所述时间序列数据对象的权重采样不等长时间序列数据集TS的时间序列数据对象T_j，根据所述时间序列数据对象T_j构建稀疏矩阵A’，其中，t和j为正整数；

将所述稀疏矩阵A’基于SPIRAL算法计算得到所述不等长时间序列数据集TS的特征向量X；

将所述特征向量X输入到LWCS算法得到所述时间序列数据T_j的采样概率Q_t(i)，优化所述采样概率Q_t(i)得到采样概率P_t(i)；

根据所述述时间序列数据T_j的采样概率P_t(i)重构不等长时间序列TS的核心集C_t；

当所述核心集C_t-1和所述核心集C_t中相同的时间序列数据T_j的个数大于预设阈值时，所述核心集C_t收敛，所述核心集C_t为不等长时间序列聚类的核心集C。

2.根据权利要求1所述的构建方法，其特征在于，所述初始核心集C₀为将不等长时间序列数据集TS{T1，T2，…，TN}输入到TSCoreset-Framework框架构建得到，所述不等长时间序列数据集TS的时间序列数据对象T_j的权重均为1/N，其中，j，N为正整数，j＝1，2，…，N。

3.根据权利要求1所述的构建方法，其特征在于，所述增加核心集C_t-1的时间序列数据对象的权重，根据所述时间序列数据对象的权重采样不等长时间序列数据集TS的时间序列数据对象T_j，根据所述时间序列数据对象T_j构建稀疏矩阵A’，包括：

在第t次循环开始时，将所述不等长时间序列数据集TS的时间序列数据对象T_j的权重赋值为1/N；

调整所述核心集C_t-1的时间序列数据对象权重为(1/N)*g，g为正整数，且g1；

归一化所述时间序列数据对象T_j的权重，根据归一化后的权重采样所述时间序列数据对象T_j点对T_d，T_b，其中，d，b为正整数，且d＝1，2，…，N，b＝1，2，…，N；

利用DTW算法计算所述时间序列数据对象T_j点对T_d，T_b的相似度，将所述时间序列数据对象点对T_d，T_b的相似度放入稀疏矩阵A’的对应位置，重复此操作，当所述稀疏矩阵A’的非零元素个数满足要求时，所述稀疏矩阵A’构建结束。

4.根据权利要求3所述的构建方法，其特征在于，所述归一化所述时间序列数据对象T_j的权重，包括：

其中，Weight(j)为时间序列数据对象T_j的权重，m为核心集C_t-1的时间序列数据对象的个数。

5.根据权利要求3所述的构建方法，其特征在于，所述利用DTW算法计算所述时间序列数据对象点对T_d，T_b的相似度，包括：

6.根据权利要求1所述的构建方法，其特征在于，所述优化所述采样概率Q_t(i)得到采样概率P_t(i)，包括：

其中，M1是diff最大的20％的时间序列数据对象T_j的集合，为不稳定数据；M2是剩余80％时间序列数据对象T_j的集合，为稳定数据；X_i为特征向量的元素，i＝1，2，…，N；z为参数，P_t-1(i)为第t-1次迭代优化后的采样概率，P₁(i)的初始值为Q₁(i)。