基于k-means的时间序列聚类研究
发表于: 。本研究解决了时间序列聚类领域中因k-means配置差异造成的比较困难问题。我们提出了一种标准的Lloyd模型,采用端到端方法全面整合了专用距离函数,以此建立统一框架对七种流行的Lloyd-based TSCL算法进行比较。该研究的最大发现是,通过此框架,聚类性能的差异可以更清晰地归因于距离函数本身,而不是k-means配置的变化。
本研究解决了时间序列聚类领域中因k-means配置差异造成的比较困难问题。我们提出了一种标准的Lloyd模型,采用端到端方法全面整合了专用距离函数,以此建立统一框架对七种流行的Lloyd-based TSCL算法进行比较。该研究的最大发现是,通过此框架,聚类性能的差异可以更清晰地归因于距离函数本身,而不是k-means配置的变化。