辅助信息自动生成的时间序列距离度量学习

摘要：

对于时间序列聚类任务而言,一个有效的距离度量至关重要。为了提高时间序列聚类的性能,考虑借助度量学习方法,从数据中学习一种适用于时序聚类的距离度量。然而,现有的度量学习未注意到时序的特性,且时间序列数据存在成对约束等辅助信息不易获取的问题。提出一种辅助信息自动生成的时间序列距离度量学习(distance metric learning based on side information autogeneration for time series,简称SIADML)方法。该方法利用动态时间弯曲(dynamic time warping,简称DTW)距离在捕捉时序特性上的优势,自动生成成对约束信息,使习得的度量尽可能地保持时序之间固有的近邻关系。在一系列时间序列标准数据集上的实验结果表明,采用该方法得到的度量能够有效改善时间序列聚类的性能。

关键词：度量学习、动态时间弯曲、辅助信息自动生成、时间序列聚类

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61139002

在线出版日期：2014-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：2642-2655