[发明专利]一种面向时间序列数据的增量模糊c中心点聚类方法

摘要

本发明提出了一种面向时间序列数据的增量模糊c中心点聚类方法，该方法采用了改进的时间动态规整距离，同时与模糊c中心点技术和多通道增量方法相结合。使用该方法后，可以处理大规模时间序列数据集和时间序列数据数据流，加快处理速度，同时提高对时间序列数据的聚类精度。

主权项

一种面向时间序列数据的增量模糊c中心点聚类方法，其特征在于：该方法包括以下步骤：(1)将整个数据集进行分块处理，并为每块数据中的每个数据点分配权重1；(2)初始化中心点，从数据块中找到一个数据点，使得此数据点到整个数据块中其他数据点的距离之和最小，之后在数据块中的其他数据点找到另一个数据点，与第一个数据点的距离最大，作为第二个中心点，然后在数据块中的其他数据点找到一个数据点，与已找到的中心点距离之和最大，以此类推，直到找到所有的中心点；(3)对每个数据块进行聚类处理，聚类过程中，快速动态时间弯曲距离采用动态规划方法，通过拉伸或压缩一部分时间序列数据匹配两个时间序列数据，(4)当中心点不再变化时停止迭代；(5)迭代结束后得到聚类结果[U11,U12,...,U1t,...,U1c]和聚类中心点[v11,v12,...,v1t,...,v1c]；(6)给从数据集中刚获取的新数据块中每个数据点赋予权重wk＝1，然后依次进行步骤(2)～(5)的操作；(7)对每一个数据块执行步骤(6)，直到所有数据块处理完毕，获取每一数据块的聚类结果[Ui1,Ui2,...,Uit,...,Uic]和聚类中心点[vi1,vi2,...,vit,...,vic]；为每一个中心点vit赋予权重值wt，wt为整个数据块中的数据点隶属于聚类Uit的隶属度之和；将这些赋过权重的中心点作为一个新的数据块m,对新数据块依次进行步骤(2)～(5)的操作，得到聚类结果[U1,U2,...,Ut,...,Uc]和中心点[v1,v2,...,vt,...,vc]，此中心点即为最终的中心点，每个中心点原来所在类中的所有数据点都属于它现在所在的类；若最后一个数据块小于聚类个数c，则不进行聚类，直接将所有数据点作为中心点，其权重全部为1。