第2期 于重重等：多元时序模糊聚类分段挖掘算法 ·265· 段方法均能够有效地区分各个分段之间的模糊界 B]Jia P T,He H C,Liu L,et al.Overview of time series data min- 限，检测到其潜在过程变化和数据点的突变，为“可 ing.Appl Res Comput,2007,24(11)15 (贾澎涛，何华灿，刘丽，等.时间序列数据挖掘综述.计算机 再生能源与建筑集成”项目中技术经济指标的预测 应用研究，2007,24(11)：15) 奠定了基础. [4]Gao Y,Liu D Y,Qi H,et al.Semi-supervised K-means cluste- 3结论 ring algorithm for multi-ype relational data.Softcare,2008,19 (11):2814 (1)通过实验证明MTSCA算法在处理多变量 (高滢，刘大有，齐红，等。一种半监督K均值多关系数据聚类 算法.软件学报，2008,19(11)：2814) 时序数据时具有良好的效果，能够较清晰地显示出 [Abonyi J,Feil B,Nemeth S,et al.Modified Gath-Geva clustering 分段结果并发现其模式 for fuzzy segmentation of multivariate time-series.Fuzzy Sets Syst, (2)MTSCA算法能够有效地减小Gath-Geva算 2005,149(1):39 法对于初始值的敏感性，从而根本上保证分段结果 6]Keogh E.Data mining and machine learning in time series data- 的准确性. bases /Tenth ACM SIGKDD International Conference Knowledge (3)MTSCA算法能够清晰地反映出原始数据 Discovery and Data Mining.Seattle,2004 Li A C.Qin Z.On-ine segmentation of time-series data.I Sofi- 中潜在的过程变化，为“可再生能源与建筑集成”项 re,2004,15(11):1671 目中技术经济指标的预测提供了可行的分段保障， (李爱国，覃征.在线分割时间序列数据.软件学报，2004， 说明该算法在多元时序模糊聚类分段挖掘的实际应 15(11):1671) 用中具有较高的应用价值. [8]Hua J Z,Wang J G,Yang J Y.A novel approach to edge detec- tion based on PCA.J Image Graph,2009,14(5):912 (华继钊，王建国，杨静宇.基于PCA的边缘检测方法.中国 参考文献 图象图形学报，2009,14(5)：912) Mao Y J.Research and Implementation of Multidimensional Time- ] Li M,Xu J W,Yang JH,et al.Prediction for chaotic time series Series Data Mining Methods [Dissertation].Shanghai:Shanghai based on phase reconstruction of multivariate time series.Uni Jiao Tong University,2007 Sci Technol Beijing,2008,32(2):208 (毛云建.多维时间序列数据挖掘的方法研究及应用[学位论 (黎敏，徐金梧，阳建宏，等.基于多变量相重构的混沌时间 文].上海：上海交通大学，2007) 序列预测.北京科技大学学报，2008,32(2)：208) Chen XT,Li M L,Chen Y J.Summaly of application research [10]Chen X L,Yang L M.Partitioning machine learning sample set based on clustering of time series similarity.Comput Eng Des, using similarity to mean vector.J Cent South Univ Sci Technol, 2010,31(3):577 2009,40(6)：1636 (陈湘涛，李明亮，陈玉娟.基于时间序列相似性聚类的应用 (陈先来，杨路明.基于均矢量相似性的机器学习样本集划 研究综述.计算机工程与设计，2010,31(3)：577) 分.中南大学学报：自然科学版，2009,40(6)：1636)第 2 期 于重重等: 多元时序模糊聚类分段挖掘算法 段方法均能够有效地区分各个分段之间的模糊界 限，检测到其潜在过程变化和数据点的突变，为“可 再生能源与建筑集成”项目中技术经济指标的预测 奠定了基础． 3 结论 ( 1) 通过实验证明 MTSCA 算法在处理多变量 时序数据时具有良好的效果，能够较清晰地显示出 分段结果并发现其模式． ( 2) MTSCA 算法能够有效地减小 Gath-Geva 算 法对于初始值的敏感性，从而根本上保证分段结果 的准确性． ( 3) MTSCA 算法能够清晰地反映出原始数据 中潜在的过程变化，为“可再生能源与建筑集成”项 目中技术经济指标的预测提供了可行的分段保障， 说明该算法在多元时序模糊聚类分段挖掘的实际应 用中具有较高的应用价值． 参 考 文 献 ［1］ Mao Y J． Ｒesearch and Implementation of Multidimensional Time￾Series Data Mining Methods ［Dissertation］． Shanghai: Shanghai Jiao Tong University，2007 ( 毛云建． 多维时间序列数据挖掘的方法研究及应用［学位论 文］． 上海: 上海交通大学，2007) ［2］ Chen X T，Li M L，Chen Y J． Summaly of application research based on clustering of time series similarity． Comput Eng Des， 2010，31( 3) : 577 ( 陈湘涛，李明亮，陈玉娟． 基于时间序列相似性聚类的应用 研究综述． 计算机工程与设计，2010，31( 3) : 577) ［3］ Jia P T，He H C，Liu L，et al． Overview of time series data min￾ing． Appl Ｒes Comput，2007，24( 11) : 15 ( 贾澎涛，何华灿，刘丽，等． 时间序列数据挖掘综述． 计算机 应用研究，2007，24( 11) : 15) ［4］ Gao Y，Liu D Y，Qi H，et al． Semi-supervised K-means cluste￾ring algorithm for multi-type relational data． J Software，2008，19 ( 11) : 2814 ( 高滢，刘大有，齐红，等． 一种半监督 K 均值多关系数据聚类 算法． 软件学报，2008，19( 11) : 2814) ［5］ Abonyi J，Feil B，Nemeth S，et al． Modified Gath-Geva clustering for fuzzy segmentation of multivariate time-series． Fuzzy Sets Syst， 2005，149( 1) : 39 ［6］ Keogh E． Data mining and machine learning in time series data￾bases / / Tenth ACM SIGKDD International Conference Knowledge Discovery and Data Mining． Seattle，2004 ［7］ Li A G，Qin Z． On-line segmentation of time-series data． J Soft￾ware，2004，15( 11) : 1671 ( 李爱国，覃征． 在线分割时间序列数据． 软件学报，2004， 15( 11) : 1671) ［8］ Hua J Z，Wang J G，Yang J Y． A novel approach to edge detec￾tion based on PCA． J Image Graph，2009，14( 5) : 912 ( 华继钊，王建国，杨静宇． 基于 PCA 的边缘检测方法． 中国 图象图形学报，2009，14( 5) : 912) ［9］ Li M，Xu J W，Yang J H，et al． Prediction for chaotic time series based on phase reconstruction of multivariate time series． J Univ Sci Technol Beijing，2008，32( 2) : 208 ( 黎敏，徐金梧，阳建宏，等． 基于多变量相重构的混沌时间 序列预测． 北京科技大学学报，2008，32( 2) : 208) ［10］ Chen X L，Yang L M． Partitioning machine learning sample set using similarity to mean vector． J Cent South Univ Sci Technol， 2009，40( 6) : 1636 ( 陈先来，杨路明． 基于均矢量相似性的机器学习样本集划 分． 中南大学学报: 自然科学版，2009，40( 6) : 1636) · 562 ·