面向时间序列事件的动态矩阵聚类方法

来源：计算机科学与探索杂志2021年第3期北京时间：

作者：马瑞强, 宋宝燕, 丁琳琳, 王俊陆

单位：辽宁大学 信息学院，沈阳 110036

摘要：时间序列事件聚类是研究事件分类及挖掘分析的基础。现有聚类方法多直接针对具有时间属性且结构复杂的持续事件聚类，未考虑聚类对象的转化，聚类准确性低且效率差。针对这些问题，提出一种面向时间序列事件的动态矩阵聚类方法RDMC。首先，构建事件近邻评价体系，根据评价值优劣衡量事件的代表性，通过近邻评分的后向差分计算策略构建RDS候选集；其次，提出基于组合优化的RDS选取方法，从候选集上快速得到RDS最优解；最后，动态构建RDS与数据集的距离矩阵，提出基于K-means的矩阵聚类方法，实现时间序列事件所属类别的有效划分。实验表明，相比现有方法，所提方法在聚类准确率、聚类可靠性、聚类效率等方面具有明显优势。

关键词：聚类,后向差分,组合优化,K-means