[发明专利]一种基于时间序列的计算机数据挖掘聚类方法

摘要

本发明公开了一种基于时间序列的计算机数据挖掘聚类方法，该计算机数据挖掘聚类方法通过对输入样本集X、Y进行去噪、归一化处理，并对处理后的时间序列进行极值点求取，得到极值点序列X'、Y'；再对X'、Y'进行等长处理，等长处理后得到长度相等的分类序列X”、Y”；然后对处理后的序列X”、Y”进行类距离计算，将距离最大的两类进行合并，合并后类别数减少一个；接着对处理后的分类序列X”、Y”循环执行类距离计算并且合并距离最大的两类，直到聚类数等于预设的数据，即可聚类结束；最后输出聚类结果。该方法能够有效地处理数据量大、维度高的时间序列数据，方法简单易行，不依赖于具体序列，能高效地进行数据挖掘聚类，将海量数据有效压缩并保留其数据的主要特征。

主权项

一种基于时间序列的计算机数据挖掘聚类方法，其特征在于，该方法包括以下步骤：步骤1：输入给定样本集X、Y，其中X＝{x₁,x₂,...,x_n}、Y＝{y₁,y₂,...,y_n}；步骤2：对输入样本集进行去噪、归一化处理；步骤3：对时间序列X、Y进行极值点求取，得到极值点序列X'、Y'；步骤4：对所得到的区域极值点序列X'、Y'进行等长处理，等长处理后得到长度均为k的分类序列X”、Y”；步骤5：对处理后的分类序列X”、Y”进行类距离计算，其中，类距离d(X_i)表示为：d(X_i)＝min|X_i‑Y_j|；其中,X_i是分类序列X”中的任意一个数,Y_j是分类序列Y”中的任意一个数；步骤6：将类距离最大的两类进行合并，合并后类别数减少一个；步骤7：返回步骤5、6，继续循环执行，直到聚类数等于预设的数值，即可聚类结束；步骤8：输出聚类结果。