nach oben

Erschienen in:

2017 | OriginalPaper | Buchkapitel

UK - Means Clustering for Uncertain Time Series Based on ULDTW Distance

verfasst von : Xiaoping Zhu, Zongmin Ma, Qijie Tang

Erschienen in: Intelligent Data Engineering and Automated Learning – IDEAL 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

The probability density function represents the uncertainty of time series at each time point. In this paper, based on probability density function, we adopt the ULDTW distance for uncertain time series and apply it to the traditional UK-Means clustering. Combining the property that ULDTW distance has a one-to-many correspondence between time points in the matching process, we propose a 1ToNCenter calculation method replacing the traditional mean cluster-center calculation method to improve the accuracy of clustering results. Experiments show that the Adjusted Rand Index (ARI) of UKMeansULDTW clustering results have an obviously higher accuracy than the existing UK-Means algorithms in the high dimensional uncertain time series cases.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel An Ant Colony Random Walk Algorithm for Overlapping Community Detection

Nächstes Kapitel Predicting Physical Activities from Accelerometer Readings in Spherical Coordinate System

Zuo, Y., Liu, G., Yue, X., Wang, W., Wu, H.: Similarity matching over uncertain time series. In: Seventh International Conference on Computational Intelligence and Security, pp. 1357–1361 (2011)

Izakian, H., Pedrycz, W.: Anomaly detection and characterization in spatial time series data: a cluster-centric approach. IEEE Trans. Fuzzy Syst. 22(6), 1612–1624 (2014)CrossRef

Paparrizos, J., Gravano, L.: k-Shape: efficient and accurate clustering of time series. ACM SIGMOD Rec. 45(1), 69–76 (2016)CrossRef

Aghabozorgi, S., Shirkhorshidi, A.S., Wah, T.Y.: Time-series clustering - a decade review. Inf. Syst. 53(C), 16–38 (2015)CrossRef

Izakian, H., Pedrycz, W., Jamal, I.: Fuzzy clustering of time series data using dynamic time warping distance. Eng. Appl. Artif. Intell. 39, 235–244 (2015)CrossRef

Menéndez, H.D., Barrero, D.F., Camacho, D.: A co-evolutionary multi-objective approach for a k-adaptive graph-based clustering algorithm. In: 2014 IEEE Congress on Evolutionary Computation (CEC), pp. 2724–2731. IEEE (2014)

Xu, L., Hu, Q., Hung, E., Chen, B., Tan, X., Liao, C.: Large margin clustering on uncertain data by considering probability distribution similarity. Neurocomputing 158(C), 81–89 (2015)CrossRef

Qin, B., Xia, Y., Wang, S., Xiaoyong, D.: A novel bayesian classification for uncertain data. Knowl.-Based Syst. 24(8), 1151–1158 (2011)CrossRef

Menéndez, H.D., Otero, F.E.B., Camacho, D.: Medoid-based clustering using ant colony optimization. Swarm Intell. 10(2), 123–145 (2016)CrossRef

10.

Menéndez, H.D., Otero, F.E.B., Camacho, D.: MACOC: a medoid-based ACO clustering algorithm. In: Dorigo, M., Birattari, M., Garnier, S., Hamann, H., Montes de Oca, M., Solnon, C., Stützle, T. (eds.) ANTS 2014. LNCS, vol. 8667, pp. 122–133. Springer, Cham (2014). doi:10.1007/978-3-319-09952-1_11

11.

Bello-Orgaz, G., Menéndez, H.D., Camacho, D.: Adaptive k-means algorithm for overlapped graph clustering. Int. J. Neural Syst. 22(05), 1250018 (2012)CrossRef

12.

Menéndez, H., Camacho, D.: A genetic graph-based clustering algorithm. In: Yin, H., Costa, J.A.F., Barreto, G. (eds.) IDEAL 2012. LNCS, vol. 7435, pp. 216–225. Springer, Heidelberg (2012). doi:10.1007/978-3-642-32639-4_27 CrossRef

13.

Menendez, H.D., Barrero, D.F., Camacho, D.: A genetic graph-based approach for partitional clustering. Int. J. Neural Syst. 24(03), 1430008 (2014)CrossRef

14.

Chau, M., Cheng, R., Kao, B., Ng, J.: Uncertain data mining: an example in clustering location data. In: Ng, W.-K., Kitsuregawa, M., Li, J., Chang, K. (eds.) PAKDD 2006. LNCS (LNAI), vol. 3918, pp. 199–204. Springer, Heidelberg (2006). doi:10.1007/11731139_24 CrossRef

15.

Chen, Y., Keogh, E., Hu, B., Begum, N., Bagnall, A., Mueen, A., Batista, G.: The UCR time series classification archive (2015). www.cs.ucr.edu/~eamonn/time_series_data

16.

Qu, J., Shao, Z., Liu, X.: Mixed PSO clustering algorithm using point symmetry distance. J. Comput. Inf. Syst. 20, 53–65 (2010)CrossRef

17.

Keogh, E., Ratanamahatana, C.A.: Exact indexing of dynamic time warping. Knowl. Inf. Syst. 7(3), 358–386 (2005)CrossRef

18.

Petitjean, F., Ketterlin, A., Gançarski, P.: A global averaging method for dynamic time warping, with applications to clustering. Patt. Recogn. 44(3), 678–693 (2011)CrossRefMATH

19.

Zhang, S., Wong, H.-S., Shen, Y.: Generalized adjusted rand indices for cluster ensembles. Patt. Recogn. 45(6), 2214–2226 (2012)CrossRefMATH

Titel: UK - Means Clustering for Uncertain Time Series Based on ULDTW Distance
verfasst von: Xiaoping Zhu
Zongmin Ma
Qijie Tang
Verlag: Springer International Publishing
Buch: Intelligent Data Engineering and Automated Learning – IDEAL 2017
Print ISBN: 978-3-319-68934-0

Electronic ISBN: 978-3-319-68935-7

Copyright-Jahr: 2017
DOI: https://doi.org/10.1007/978-3-319-68935-7_4

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner