科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种面向时间序列数据的深度K均值聚类方法,步骤如下：获取时间序列数据集,并进行预处理,分离出数据的样本信息以及类别信息,并把数据的样本信息输入到模型中去；构建一个编解码器模型,采用卷积-反卷积架构；将K均值聚类损失引入到编解码器模型中,形成面向时间序列数据的深度K均值聚类模型,将提取特征与聚类目标进行融合；利用反向传播算法,训练构建好的模型,指导隐层状态的生成；最后基于训练过程生成的隐层状态表示进行k-means聚类,计算rand index指标。通过将提取特征与聚类目标进行融合,使生成的隐层状态不仅能够重构原来的样本,还有利于簇状结构的形成,从而更好进行聚类的操作,提高聚类的精度。
- 单位
