[发明专利]基于K-Shape的时间序列大数据聚类算法

权利要求书

1.基于K-Shape的时间序列大数据聚类算法，其特征在于：包括以下步骤：

步骤S100：时间序列预处理，

步骤S200：定义时间序列之间的距离，计算两个时序数据之间的互相关，

步骤S300：初始化聚类数据，初始化聚类中心，根据手肘法确定最佳聚类数目，初始化所有样本标签为0；

步骤S400：邻近聚类，根据每个序列与新质心的距离，将其重新分配到不同的簇中；

步骤S500：构建优化方程，计算每个簇的质心，优化方程如下：

其中，表示原有质心，表示寻找的新质心，表示一个时间序列样本，P_k表示第k个簇，表示原有质心与时间序列样本的相关系数最大值；表示向量的自相关系数，表示向量的自相关系数；

具体计算包括以下步骤：

步骤S510：遍历该簇各点,计算各点与质心的距离diSt以及其中与质心最为相似的片断x'，并将最为相似的片断加入X'；X'表示所有样本点组成的簇；

步骤S520：X'的转置与X相乘得到方阵S

S＝X'^T·X'

步骤S530：创建用于正则化的矩阵Q

其中m是样本数量，I是单位矩阵，O是全1矩阵；

步骤S540：正则化后生成矩阵M

M＝Q^T·S·Q

步骤S550：取矩阵M对应最大特征值时的特征向量，以实现对X'的特征抽取；

步骤S600：每个序列的簇标签不再更改或达到最大迭代次数，聚类停止，否者重复步骤S400到步骤S500。

2.根据权利要求1所述的基于K-Shape的时间序列大数据聚类算法，其特征在于：所述步骤S100具体包括以下步骤：

步骤S110：时间序列异常值处理；

步骤S120：时间序列填充缺失值；

步骤S130：时间序列归一化。

3.根据权利要求1所述的基于K-Shape的时间序列大数据聚类算法，其特征在于：所述步骤S300包括以下步骤：

步骤S310：从数据集D中随机选择一个样本作为第一个初始质心；

步骤S320：计算剩余样本x_i到已有初始质心的距离，并将其中最短距离记为d(x_i),序列之间距离使用SBD计算；

步骤S330：样本被选为初始质心的概率如下公式所示：

其中，Px_i表示样本x_i为下一个初始质心的概率，样本x_i到已有初始质心越远，成为下一个初始质心的概率越大；

步骤S340：回到步骤S320，直到选取出k个初始聚类质心。