D’Urso，皮尔保罗；利维亚·德乔瓦尼；里卡多·马萨里 多元时间轨迹的稳健模糊聚类。 （英语） Zbl 1453.62540号 国际J近似推理 99, 12-38 (2018). 摘要：多元时间序列中模式的检测是一项相关的任务，尤其是对于大型数据集。本文提出了四种多元时间序列的聚类模型，具有以下特点。首先，考虑围绕Medoids的分区（PAM）框架。在多元时间序列聚类的不同方法中，采用了基于观测的方法。为了处理每个多元时间序列特征的复杂性以及相关的分配不确定性，采用了模糊聚类方法。最后，为了抵消可能的异常值的影响，使用了一种稳健的度量方法，即不同度量的指数变换。所提出的模型是多元时间序列模糊C-Medoids聚类算法的稳健扩展。关于时间行为的管理，提出了四种变体：带指数变换的横截面模糊C-Medoids聚类模型（CS-Exp-FCMd）考虑了多元时间序列各自的瞬时特征对其进行分类；带指数变换的纵向模糊C-Medoids聚类模型（L-Exp-FCMd）考虑了进化（纵向）特征；具有指数变换的混合模糊C-Medoids聚类模型（M-Exp-FCMd）同时考虑了聚类过程中的瞬时和纵向特征；基于动态时间扭曲的带指数变换的模糊C-Medoids模型（DTW-Exp-FCMd）使用动态时间扭曲（DTW）距离。三个仿真研究表明，与非稳健模型和文献中提出的其他模型相比，该模型在存在离群值时的聚类性能。对罗马大都会城19个站点三种污染物浓度的真实数据的应用表明，在确定集群时，稳健性与异常值之间存在相关性。 引用于14文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 62小时86 多元分析与模糊性 62G32型 极值统计；尾部推断 62页第12页 统计在环境和相关主题中的应用 关键词：异常时间轨迹；横向和纵向聚类；动态时间规整；指数距离；鲁棒模糊聚类；Medoid周围的分割 软件：千毫升；群集查找；数据库管理员；格特恩；ggmap（ggmap）；直接转矩控制；ggplot2 PDF格式BibTeX公司 XML格式引用 \textit{P.D'Urso}等人，《国际近似推理》99，12-38（2018；Zbl 1453.62540） 全文： 内政部 参考文献： [1] 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) [2] 巴格纳尔，A。；Janacek，G.，用截断数据聚类时间序列，马赫数。学习。，58，2-3151-178，（2005年）·Zbl 1073.68710号 [3] 巴格纳尔，A。；Lines，J.公司。；博斯特罗姆，A。；大型，J。；Keogh，E.，《伟大的时间序列分类烘焙：对最新算法进展的回顾和实验评估》，Data Min Knowl。发现。，31, 3, 606-660, (2017) [4] 北贝根。；Ulanova，L。；Wang，J。；Keogh，E.，用新的可接受剪枝策略加速动态时间扭曲聚类，（第21届ACM SIGKDD国际知识发现和数据挖掘会议论文集，（2015），ACM），49-58 [5] 伯恩特·D·J。；Clifford，J.，《使用动态时间扭曲发现时间序列中的模式》（AAAI-94数据库知识发现研讨会论文集，西雅图，华盛顿州，（1994）），359-370 [6] Caiado，J。；Maharaj，E。；D’Urso，P.，时间序列聚类，（Hennig，C.；Meila，M.；Murtagh，F.；Rocci，R.，《聚类分析手册》，（2015），查普曼和霍尔），241-263·Zbl 1396.62196号 [7] Carlier，A.，《演化的因子分析和轨迹上的聚类方法》（Compstat’86，（1986），Springer），140-145·Zbl 0628.62066号 [8] 科皮，R。；D’Urso，P.，《多元时间轨迹比较的几何方法》，（Borra，S.；Rocci，R.；Vichi，M.；Schader，M.，《分类和数据分析进展》，（2001），Springer），93-100 [9] 科皮，R。；D’Urso，P.，三角模糊时间轨迹的模糊k均值聚类模型，统计方法应用。，11, 1, 21-40, (2002) ·Zbl 1145.62347号 [10] 科皮，R。；D’Urso，P.，LR模糊时间轨迹的三向模糊聚类模型，计算。统计数据分析。，43, 2, 149-177, (2003) ·Zbl 1429.62273号 [11] 科皮，R。；D’Urso，P.，用Shannon熵正则化对多元时间轨迹进行模糊无监督分类，计算。统计数据分析。，50, 6, 1452-1477, (2006) ·Zbl 1445.62156号 [12] 科皮，R。；D’Urso，P。；Giordani，P.，《时变数据的模糊C-中值聚类模型》（Bouchon-Meunier，B.；Coletti，G.；Yager，R.，《现代信息处理：从理论到应用》，（2006），阿姆斯特丹爱思唯尔科学出版社），195-206年 [13] 科皮，R。；D’Urso，P。；Giordani，P.，多元空间时间序列的模糊聚类模型，J.Classif。，27，1，54-88，（2010）·Zbl 1337.62305号 [14] Davé，R.N.，聚类中噪声的表征和检测，模式识别。莱特。，12, 11, 657-664, (1991) [15] Dazy，F。；Le Barzic，J.-F。；萨波尔塔，G。；Lavallard，F.，《进化分析：方法与应用》（1996），技术版·Zbl 0867.62052号 [16] Disegna，M。；D’Urso，P。；Durante，F.，基于Copula的空间时间序列模糊聚类，空间统计。，21209-225（2017） [17] D’Urso，P.，时间轨迹的相异性度量，统计方法应用。，9, 1-3, 53-83, (2000) ·Zbl 1454.62258号 [18] D’Urso，P.，《多元时变数据的模糊C均值聚类模型：不同方法》，《国际不确定性杂志》。模糊知识-基于系统。，12, 03, 287-326, (2004) ·Zbl 1046.62061号 [19] D’Urso，P.，具有内点和外点时间轨迹的数据时间阵列的模糊聚类，IEEE Trans。模糊系统。，13, 5, 583-604, (2005) [20] D’Urso，P。；De Giovanni，L.，电信市场细分的时间自组织映射，神经计算，71，13，2880-2892，（2008） [21] D’Urso，P。；De Giovanni，L。；Massari，R.，应用于空气污染的稳健自回归度量的时间序列聚类，Chemom。智力。实验室系统。，141, 107-124, (2015) [22] D’Urso，P。；De Giovanni，L。；Massari，R.，基于Garch的时间序列稳健聚类，模糊集系统。，305, 1-28, (2016) ·Zbl 1368.62167号 [23] D’Urso，P。；De Giovanni，L。；马萨里，R。；Di Lallo，D.，通过自回归度量对时间序列进行噪声模糊聚类，Metron，71，3，217-243，（2013）·Zbl 1302.62207号 [24] D’Urso，P。；Maharaj，E.A.，基于自相关的时间序列模糊聚类，模糊集系统。，160, 24, 3565-3589, (2009) [25] D’Urso，P。；Maharaj，E.A.，基于小波的多元时间序列聚类，模糊集系统。，193, 33-61, (2012) ·Zbl 1237.62079号 [26] D’Urso，P。；Maharaj，E.A。；阿隆索，A.M.，使用极值的时间序列模糊聚类，模糊集系统。，318, 56-79, (2017) ·Zbl 1381.62162号 [27] D’Urso，P。；马萨里，R。；卡佩利，C。；De Giovanni，L.，基于自回归度量的修剪模糊聚类及其在pm 10时间序列中的应用，Chemom。智力。实验室系统。，161, 15-26, (2017) [28] D’Urso，P。；马萨里，R。；De Giovanni，L。；Cappelli，C.，区间值数据基于指数距离的模糊聚类，fuzzy Optim。Decis公司。制造商。，16, 1, 51-70, (2017) ·Zbl 1428.62306号 [29] D’Urso，P。；Vichi，M.，三向纵向数据集轨迹之间的差异，（Rizzi，a.；Vichi；M.；Bock，H.，《数据科学与分类进展》，（1998），Springer），585-592 [30] Everitt，B.S。；兰道，S。；Leese，M。；Stahl，D.，聚类分析，（2011），威利在线图书馆·Zbl 1274.62003年 [31] Fröhwirth Schnatter，S.（德语：Fröhwirth Schnatter，S.）。；Kaufmann，S.，基于模型的多时间序列聚类，J.Bus。经济。《法律总汇》，26，1，78-89，（2008） [32] Frühwirth-Schnatter，S.，《面板数据分析：基于模型的时间序列聚类调查》，《高级数据分析》。分类。，5, 4, 251-280, (2011) ·Zbl 1274.62591号 [33] 加西亚·埃斯库德罗，洛杉矶。；Gordaliza，A.，稳健曲线聚类建议，J.Classif。，22, 2, 185-201, (2005) ·兹比尔1336.62179 [34] Genolini，C。；Falissard，B.，Kml：纵向数据的k平均值，计算。《统计》，25，2，317-328，（2010年）·Zbl 1221.62094号 [35] Genolini，C。；Pingault，J.-B。；Driss，T。；南卡罗来纳州科特。；Tremblay，R.E。；维塔罗，F。；阿诺，C。；Falisard，B.，Kml3D:一种用于对关节轨迹进行聚类的非参数算法，Comput。方法生物识别程序。，109, 1, 104-111, (2013) [36] Giorgino，T.，《R中动态时间扭曲对齐的计算和可视化：dtw包》，J.Stat.Softw。，31, 7, 1-24, (2009) [37] N.Hamilton，ggtern：“ggplot2”的扩展，用于创建三元图，2017年，R包版本2.2.1。；N.Hamilton，ggtern：“ggplot2”的扩展，用于创建三元图，2017年，R包版本2.2.1。 [38] Huber，P.J.，位置参数的稳健估计，Ann.Math。《统计》，73-101，（1964年）·Zbl 0136.39805号 [39] 休伯特，L。；Arabie，P.，比较分区，J.Classif。，2, 1, 193-218, (1985) [40] Hüllermier，E。；里夫奇，M。；Henzgen，S。；Senge，R.，《比较模糊划分：随机指数和相关度量的推广》，IEEE Trans。模糊系统。，20, 3, 546-556, (2012) [41] Izakian，H。；佩德里茨，W。；Jamal，I.，使用动态时间扭曲距离对时间序列数据进行模糊聚类，工程应用。Artif公司。智力。，39, 235-244, (2015) [42] 雅克·J。；Preda，C.，基于模型的多元函数数据聚类，计算。统计数据分析。，71, 92-106, (2014) ·Zbl 1471.62096号 [43] Jeong，Y.-S。；Jeong，M.K。；Omitaomu，O.A.，时间序列分类的加权动态时间扭曲，模式识别。，44, 9, 2231-2240, (2011) [44] Kahle，D。；Wickham，H.，Ggmap：利用ggplot2进行空间可视化，R Journal，5，1，144-161，（2013） [45] 考夫曼，L。；Rousseeuw，P.J.，《在数据中发现群体：聚类分析导论》（2005），新泽西州威利·霍博肯 [46] 基奥，E。；Lonardi，S.公司。；Ratanamahatana，加拿大。；Wei，L。；Lee，S.-H。；Handley，J.，基于压缩的序列数据挖掘，data Min.Knowl。发现。，14, 1, 99-129, (2007) [47] 基奥，E。；Ratanamahatana，C.A.，《动态时间扭曲的精确索引》，Knowl。信息系统。，7, 3, 358-386, (2005) [48] Kha，新罕布什尔州。；Anh，D.T.，《从基于聚类的离群值检测到时间序列不一致发现》（Trends and Applications in Knowledge discovery and Data Mining，（2015），Springer），16-28 [49] Kiers，H.A.，《走向多元分析中的标准化符号和术语》，J.Chemom。，14, 3, 105-122, (2000) [50] Košmelj，K.，《时变数据聚类的两步程序》，J.Math。社会学。，12315-326，（1986年）·Zbl 0661.62052号 [51] 科什梅尔吉，K。；Batagelj，V.，《时变数据聚类的跨部门方法》，J.Classif。，7, 1, 99-109, (1990) [52] Krishnapuram，R。；乔希，A。；O.Nasraoui。；Yi，L.，用于web挖掘的低复杂性模糊关系聚类算法，IEEE Trans。模糊系统。，9, 4, 595-607, (2001) [53] 廖天伟，时间序列数据的聚类——一项调查，模式识别。，1857-1874年11月38日，（2005年）·Zbl 1077.68803号 [54] Liao，T.W.，向量时间序列探索性挖掘的聚类方法，模式识别。，40, 9, 2550-2562, (2007) ·Zbl 1118.68632号 [55] Liao，T.W。；Ting，C.-F。；Chang，P.-C.，用于探索性挖掘特征向量和时间序列数据的自适应遗传聚类方法，《国际生产研究》，44，14，2731-2748，（2006）·Zbl 1128.62373号 [56] 林，J。；基奥，E。；Lonardi，S.，《可视化和发现大型时间序列数据库中的非平凡模式》，Inf.Vis。，4, 2, 61-82, (2005) [57] 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 [58] Maharaj，E.A。；D’Urso，P。；Galagedera，D.U.，基于小波的时间序列模糊聚类，J.Classif。，27, 2, 231-275, (2010) ·Zbl 1337.62307号 [59] 帕帕里佐斯，J。；Gravano，L.，K-shape:高效准确的时间序列聚类，（2015年ACM SIGMOD国际数据管理会议论文集，（2015），ACM），1855-1870 [60] 佩蒂让，F。；福雷斯蒂尔，G。；韦伯，G.I。；Nicholson，A.E。；陈，Y。；Keogh，E.，时间序列的动态时间扭曲平均允许更快、更准确的分类，（2014年IEEE国际数据挖掘会议（ICDM），（2014），IEEE），470-479 [61] 佩蒂让，F。；凯特林，A。；Gançarski，P.，动态时间扭曲的全局平均方法，应用于聚类，模式识别。，44, 3, 678-693, (2011) ·Zbl 1209.68477号 [62] 拉尼，S。；Sikka，G.，《时间序列数据聚类的最新技术：调查》，《国际计算杂志》。申请。，52, 15, (2012) [63] Ratanamahatana，加拿大。；Keogh，E.，你所知道的关于动态时间扭曲的一切都是错误的，（《挖掘时序数据的第三次研讨会》，（2004年），Citeser） [64] 佐藤，M。；Sato，Y.，《关于三向数据的多准则模糊聚类方法》，国际期刊《不确定性》。模糊知识-基于系统。，2, 02, 127-142, (1994) [65] 佐藤·伊利奇（M.Sato-Ilic）。；Sato，Y.，动态加性模糊聚类模型，（Rizzi，A.；Vichi，M.；Bock，H.，Advances in Data Science and Classification，（1998），施普林格-柏林，海德堡），117-124 [66] Singhal，A。；Seborg，D.E.，聚类多元时间序列数据，J.Chemom。，19, 8, 427-438, (2005) [67] Velichko，V。；Zagoruyko，N.，《200个单词的自动识别》，国际期刊Man-Mach。双头螺栓，2，3223-234，（1970） [68] 维拉尔，J.A。；拉富恩特·雷戈，B。；D’Urso，P.，《分位数自协方差：时间序列硬分区和软分区聚类的强大工具》，模糊集系统。，340, 1, 38-72, (2018) ·Zbl 1397.62233号 [69] 弗拉科斯，M。；科利奥斯，G。；Gunopulos，D.，《发现相似的多维轨迹》（数据工程，2002年）。诉讼程序。第18届国际会议，（2002年），IEEE，673-684 [70] 王，X。；Wirth，A。；Wang，L.，《基于结构的统计特征和多元时间序列聚类》（Data Mining，2007）。ICDM 2007。第七届IEEE国际会议，（2007年），IEEE，351-360 [71] Wu，K.-L。；Yang，M.-S.，Alternative c-means聚类算法，模式识别。，35, 10, 2267-2278, (2002) ·Zbl 1006.68876号 [72] 谢晓乐。；Beni，G.，模糊聚类的有效性度量，IEEE Trans。模式分析。机器。智力。，13, 8, 841-847, (1991) [73] 熊，Y。；Yeung，D.-Y.，ARMA混合时间序列聚类，模式识别。，37, 8, 1675-1689, (2004) ·Zbl 1117.62488号 [74] Zani，S.，Osservazioni sulle serie storiche multiple e l’analisi dei gruppi，（Piccolo，D.，analisi moderna delle serie storeche，（1983），F.Angeli），263-274 [75] 张德清。；Chen，S.-C.，“替代C-均值聚类算法”评论，模式识别。，37,2173-174，（2004年）·Zbl 1058.68633号 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。