×
安东尼奥·曼纽尔·杜兰·罗萨尔;佩德罗·安东尼奥·古铁雷斯;Martínez-Estudillo，Francisco José;塞萨尔·赫瓦斯·马丁内斯

同时优化时间序列分割的聚类质量和近似误差。 （英语） Zbl 1447.62100号

信息科学。 442-443, 186-201 (2018).
摘要：时间序列分段旨在通过使用一组分段来表示时间序列。一些研究人员通过用一个简单的模型（例如线性插值）近似每个片段来进行分割，而另一些研究人员则致力于获得均匀的片段组，以便能够检测到常见的模式或行为。本文的主要假设是这两个目标是冲突的，因此建议从多目标的角度来处理时间序列分段，其中两个目标同时考虑，专家可以从不同分段的Pareto前沿选择所需的解决方案。设计了一种特定的多目标进化算法，用于确定线段的切点，并集成了用于适应度评估的聚类算法。该方法的实验验证包括三个合成时间序列和三个来自实际问题的时间序列。实验比较了九种聚类质量评估指标，以确定最适合该算法的指标。该算法在聚类质量和重建误差方面均表现出良好的性能，改进了其他最新单目标备选方案的结果，并且比两个相应适应度函数的简单加权线性组合显示出更好的结果。

MSC公司：

62米10 统计学中的时间序列、自相关、回归等（GARCH）
62小时30分 分类和区分；聚类分析（统计方面）
62页第10页 统计学在生物学和医学科学中的应用；元分析
62页第12页 统计在环境和相关主题中的应用

关键词：

时间序列分割;多目标优化;群集;进化计算

软件：

SPEA2公司;物理工具包
PDF格式BibTeX公司 XML格式引用
\textit{A.M.Durán-Rosal}等人，《信息科学》。442--443、186--201（2018；Zbl 1447.62100）
全文： 内政部

参考文献：

[1] Abonyi，J。；Feil，B。；奈梅特，S。；Arva，P.，基于模糊聚类的时间序列分割，智能数据分析进展V，275-285（2003），Springer
[2] Aghabozorgi，S。；Shirkhorshidi，A.S。；Wah，T.Y.，时间序列聚类——十年回顾，信息系统。，53, 16-38 (2015)
[3] R.G.Andrzejak，《癫痫：神经科学、生物学、数学、工程和物理学的交叉》，CRC出版社，第125页。；R.G.Andrzejak，《癫痫：神经科学、生物学、数学、工程和物理学的交叉》，CRC出版社，第125页·兹比尔0955.05101
[4] 阿伯莱茨，O。；古鲁特哈加，I。；穆盖尔扎，J。；佩雷斯，J.M。；Perona，I.n.，《集群有效性指数的广泛比较研究》，模式识别。，46, 1, 243-256 (2013)
[5] 博斯曼，P。；Thierens，D.，《多目标进化算法中接近性和多样性之间的平衡》，IEEE Trans。进化。计算。，7, 2, 174-188 (2003)
[6] 钟，F.-L。；Fu，T.-C。；卢克，R。；Ng，V.，基于感知重要点的灵活时间序列模式匹配，人工智能国际联合会议论文集，学习时空数据，1-7（2001）
[7] 钟，F.-L。；Fu，T.-C。；卢克，R。；Ng，V.，股票数据挖掘的进化时间序列分割，2002年IEEE国际数据挖掘会议论文集，83-90（2002）
[8] 钟，F.-L。；Fu，T.-C。；Ng，V。；Luk，R.W.，基于模式的时间序列分割的进化方法，IEEE Trans。进化。计算。，8, 5, 471-489 (2004)
[9] Coello，C.A.，基于遗传算法的多目标优化技术的最新调查，ACM计算。调查。，32, 2, 109-143 (2000)
[10] 科莱特，Y。；Siarry，P.，《多目标优化：原理和案例研究》（2003），施普林格出版社
[11] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，一种快速的精英多目标遗传算法：NSGA-II，IEEE Trans。进化。计算。，6, 2, 182-197 (2002)
[12] Donoho，D.L。；Johnstone，I.M.，《通过小波收缩适应未知平滑度》，美国统计协会，90，1200-1224（1995）·Zbl 0869.62024号
[13] Donoho，D.L。；约翰斯通，I.M。；Kerkyacharian，G。；Picard，D.，小波收缩：无症状？，J.R.统计社会服务。B（方法学），57，2，301-369（1995）·兹比尔0827.62035
[14] Donoho，D.L。；Johnstone，J.M.，《小波收缩的理想空间自适应》，《生物统计学》，第81、3、425-455页（1994年）·Zbl 0815.62019号
[15] Durán-Rosal，硕士。；Gutiérrez，P.A。；马丁内斯·埃斯特迪略，F.J。；Hervás-Martínez，C.，用新型混合分割算法表示时间序列，混合人工智能系统：第11届国际会议，2016年4月18日至20日，西班牙塞维利亚，会议记录（2016）
[16] Fu，T.-C.，时间序列数据挖掘综述，工程应用。Artif公司。智力。，24, 1, 164-181 (2011)
[17] Fuchs，E。；Gruber，T。；Nitschke，J。；Sick，B.，基于多项式最小二乘近似的时间序列在线分段，IEEE Trans。模式分析。机器。智力。，32, 12, 2232-2245 (2010)
[18] Gautschi，W.，范德蒙矩阵逆的范数估计，数值数学，23，4，337-347（1974）·Zbl 0304.65031号
[19] Goldberger，A.L。；阿马拉，L.A.N。；玻璃，L。；Hausdorff，J.M。；伊万诺夫，P.C。；马克·R·G。；Mietus，J.E。；穆迪，G.B。；Peng，C.-K。；Stanley，H.E.，Physiobank，physiotoolkit，and physoniet:复杂生理信号新研究资源的组成部分，《循环》，101，23，e215-e220（2000）
[20] 美国国家海洋和大气管理局（NOAA）国家浮标数据中心，2015年。http://www.ndbc.noaa.gov网站/; 美国国家海洋和大气管理局（NOAA）国家浮标数据中心，2015年。http://www.ndbc.noaa.gov网站/
[21] Keogh，E.J。；楚，S。；哈特，D。；Pazzani，M.，分割时间序列：测量和新方法，时间序列数据库中的数据挖掘。时间序列数据库中的数据挖掘，机器感知和人工智能系列，57，1-22（2004），世界科学出版社·Zbl 1050.68036号
[22] Kim，K.-M。；Kim，S.-Y。；Jeon，J.-K。；Park，K.-S.，使用多个特征向量的快速音频检索，IEEE Trans。消费。电子。，52, 1, 200-205 (2006)
[23] Liao，T.W.，时间序列数据的聚类——一项调查，模式识别。，38, 11, 1857-1874 (2005) ·Zbl 1077.68803号
[24] MacQueen，J.，《多元观测分类和分析的一些方法》，《第五届伯克利数理统计与概率研讨会论文集》，第1期，第14页（1967年），美国加利福尼亚州·Zbl 0214.46201号
[25] Maharaj，E.A。；D’Urso，P.，频域时间序列的模糊聚类，信息科学。，181, 7, 1187-1211 (2011) ·Zbl 1215.62061号
[26] 曼，P.W.P。；Wong，M.H.，通过格结构对时间序列进行高效且稳健的特征提取和模式匹配，第十届信息与知识管理国际会议论文集。第十届信息和知识管理国际会议记录，CIKM’01，271-278（2001），ACM:美国纽约州纽约市ACM
[27] 穆迪，G。；Mark，R.，《中度心律失常数据库的影响》，《工程医学生物学》。IEEE杂志，20，3，45-50（2001）
[28] 尼古拉·A·。；古铁雷斯，P。；杜兰，A。；迪凯尔，I。；Fernández-Navarro，F。；Hervás-Martínez，C.，使用遗传时间序列分割算法检测古气候数据中的早期预警信号，Clim。动态。，1-15 (2014)
[29] 普拉特·K·B。；Fink，E.，《在压缩时间序列中搜索模式》，Int.J.Image Graph。，02, 01, 89-106 (2002)
[30] Pree，H。；Herwig，B。；Gruber，T。；生病，B。；大卫·K。；Lukowicz，P.，《关于通用时间序列相似性度量及其在支持向量机中作为核函数的使用》，《信息科学》。，281, 478-495 (2014)
[31] Rakthanmanon，T。；Keogh，E.J。；Lonardi，S.公司。；Evans，S.，基于MDL的时间序列聚类，Knowl。信息系统。，33, 2, 371-399 (2012)
[32] Tseng，V.S。；陈，C.-H。；黄，P.-C。；Hong，T.-P.，用于时间序列分割和模式发现的基于聚类的遗传方法，2008年IEEE进化计算大会（IEEE计算智能世界大会），1949-1953（2008）
[33] Tseng，V.S。；Chen，C.-H。；黄，P.-C。；Hong，T.-P.，基于聚类的DWT时间序列遗传分割，模式识别。莱特。，30, 13, 1190-1197 (2009)
[34] 翁，S.-S。；Liu，Y.-H.，使用蚁群优化挖掘时间序列数据进行分割，欧洲期刊Oper。研究，173，3921-937（2006）·Zbl 1131.90466号
[35] 夏，H。；方，B。；高，M。；马，H。；Tang，Y。；Wen，J.，《使用动态时间间隔分割技术的协同推荐系统中针对先令攻击的新项目异常检测方法》，《信息科学》。，306, 150-165 (2015)
[36] Xu，R。；Wunsch，D.，集群，IEEE计算智能新闻系列（2008），威利
[37] Yen，G。；Lu，H.，动态多目标进化算法：基于自适应单元的秩和密度估计，IEEE Trans。进化。计算。，7, 3, 253-274 (2003)
[38] 赵，H。；东，Z。；李·T。；王，X。；Pang，C.，在最大误差范围下用连接线分割时间序列，Inf.Sci。，345, 1-8 (2016)
[39] Zitzler，E。；Laumanns，M。；Thiele，L.，SPEA2：改进多目标优化的强度帕累托进化算法，设计优化和控制的进化方法及其在工业问题中的应用，95-100（2001），国际工程数值方法中心：雅典国际工程数值法中心，希腊
[40] Zitzler，E。；Thiele，L.，《多目标进化算法：比较案例研究和强度帕累托方法》，IEEE Trans。进化。计算。，3, 4, 257-271 (1999)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。