利用切片瓦烧斯坦 K 均值聚类在多维时间序列数据中实现自动制度检测
原文中文,约300字,阅读约需1分钟。发表于: 。该研究论文研究了 Wasserstein k-means 聚类算法应用于一维和多维时间序列数据的行为、性能以及市场模式检测的有效性,并提出了基于切片 Wasserstein 距离的 sliced Wasserstein k-means 聚类方法。
该文提出了一种使用多个离散概率测度空间上的联合优化方案,并利用Wasserstein距离度量的方法来解决多层次聚类问题。该方法可以在大型分层结构数据集中发现组间的分组模式,并具有快速的优化算法。同时,该文还建立了局部和全局聚类估计的一致性性质,并使用合成和真实数据展示了该方法的灵活性和可扩展性。