基于2dSVD和高斯混合模型的多变量时间序列聚类
来源：计算机应用与软件杂志2024年第3期北京时间：
作者：杨秋颖, 翁小清
摘要：针对多变量时间序列(MTS)存在时间和变量两个维度，以及传统主成分分析(PCA)方法在MTS数据表示上的局限性，提出一种基于二维奇异值分解(2dSVD)和高斯混合模型(GMM)的MTS聚类算法。该文计算MTS的行-行和列-列协方差矩阵的特征向量，从时间和变量两个维度提取特征矩阵；用GMM从概率分布角度对特征矩阵进行聚类。数值实验结果表明，该方法对多变量时间序列具有更好的聚类效果。
关键词：二维奇异值分解, 高斯混合模型, 多变量时间序列聚类
