该论文提出了一种基于最小描述长度原则的框架，用于自动检测子空间和聚类数量，并通过贪婪搜索优化参数空间。研究了稀疏子空间聚类算法在降维数据上的应用，提出了新的聚类数目估计方法和深度聚类技术，实验证明其在高维数据聚类中的有效性和优越性。

本文提出了一种基于模型的时间序列聚类方法，通过拟合全局预测模型并以预测准确性为主要元素构建聚类分区。该方法可用于选择聚类数量，并可与任何类回归模型结合使用。模拟研究表明，该方法优于其他替代技术，应用于多个标准基准数据集的聚类中也产生了良好的结果。

本文提出了一种基于模型的时间序列聚类方法，通过拟合全局预测模型并以预测准确性为主要元素构建聚类分区。该方法可用于选择聚类数量，并可与任何类回归模型结合使用。模拟研究表明，该方法优于其他替代技术，应用于标准基准数据集的聚类中也产生了良好的结果。