مروری بر روشهای خوشه بندی سری های زمانی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,640

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTCK02_079

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

خو شه بندی سری های زمانی، یکی از مهمترین مفاهیم داده کاوی ا ست، و پارتی شنبندی یک دیتا ست زمانی بدونبرچسب به چندین خوشه است، به طوریکه دنباله های شبیه به هم درخوشه های یکسان قرارگیرند. هدف ازخوشه بندی سری های زمانی، یافتن الگوهای پنهان و جستجوی شباهت ها و پیش بینی ارزش آینده داده های سری هایزمانی می با شد. داده های زمانی دارای ویژگی های متمایزی ن سبت به بقیه داده ها میبا شند که همین امر، خوشه بندیآنها را به چالش می کشد. سری های زمانی، رشته های طولانی از اعداد هستند و بین مقادیر متوالی آن وابستگی زمانیوجود دارد. الگوریتم های ارائه شده برای خو شه بندی سری های زمانی از نظر نحوه برخورد با داده ها به سه د ستهمختلف تق سیم می شوند. الگوریتم های مبتنی بر داده های خام، الگوریتم های مبتنی بر ویژگی های ا ستخراج شده ازداده های خام و الگوریتم های مبتنی بر مدل های ساخته شده از داده های خام. در این مقاله، به بررسی کارهای قبلی کهدر هر یک از سه حوزه فوق انجام شده است، می پردازیم.

نویسندگان

آتنا جلالی مجاهد

گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مهرداد جلالی

گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

سیدمحمدحسین معطر

گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Jiawei, H., & Kamber, M. (2001). Data mining: concepts and ...
  • Warren Liao, T. (2005). Clustering of time series data-a survey. ...
  • Kosmelj, K., & Batagelj, V. (1990). Cross- sectional approach for ...
  • Liao, T. W., Bolt, B., Forester, J., Hailman, E., Hansen, ...
  • Golay, X., Kollias, S., Stoll, G., Meier, D., Valavanis, A., ...
  • Van Wijk, J. J., & Van Selow, E. R. (1999). ...
  • Liao, T. W. (2007). A clustering procedure for exploratory mining ...
  • Niennattrakul, V., & Rat anamahatana _ C. A. (2007, April). ...
  • Sobhe Bidari, P., Manshaei, R., Lohrasebi, T., Feizi, _ Malboobi, ...
  • (2008, October). Time series gene expression data clustering and pattern ...
  • Kremer, H., Gunnemann, S., & Seidl, T. (2010, December). Detecting ...
  • Yin, J., Zhou, D., & Xie, Q. Q. (2006, December). ...
  • 2.Chandrakala, S., & Sekhar, C. C. (2008, June). A density ...
  • Conference on (pp. 185-1890). IEEE. ...
  • Khan, A., Khan, K., , & Baharudin, B. B. (2009, ...
  • Warren Liao, T. (2005). Clustering of time series data--a survey. ...
  • Wilpon, J. G., & Rabiner, L. (1985). A modified K-means ...
  • Shaw, C. T., & King, G. P. (1992). Using cluster ...
  • Owsley, _ M., Atlas, L. E., & Bernard, G. D. ...
  • Vlachos, M., Lin, J., Keogh, E., & Gunopulos, D. (2003). ...
  • Dimensionality Data and ts Applications. ...
  • Guo, C., Jia, H., & Zhang, N. (2008, October). Time ...
  • Jixue, D. (2009, May). Data Mining of Time Series Based ...
  • Piccolo, D. (2007, June). Statistical issues _ the AR metric ...
  • Maharaj, E. A. (2000). Cluster of time series. Journal of ...
  • D'Urso, P., & Maharaj, E. A. (2009). Auto correlation-bas ed ...
  • Ramoni, M., Sebastiani, P., & Cohen, P. (2002). Bayesian clustering ...
  • Tran, D., & Wagner, M. (2002). Fuzzy c- means clustering-bas ...
  • Oates, T., Firoiu, L., & Cohen, P. R. (1999). Clustering ...
  • Proceedings of the IJCAI-99 workshop _ neural, symbolic and reinforcement ...
  • Biernacki, C., Celeux, G., & Govaert, G. (2000). Assessing a ...
  • Li, C., & Biswas, G. (1999). Temporal pattern generation using ...
  • Panuccio, _ Bicego, M., Murino, V., 2002. A Hidden Markov ...
  • Syntactic and Statistical Pattern Recognition, pp. 734-742. ...
  • Xiong, Y., & Yeung, D. Y. (2004). Time series clustering ...
  • Yang, Y., & Jiang, J. (2014). HMM-based hybrid meta-c lustering ...
  • Jixue, D. (2009, May). Data Mining of Time Series Based ...
  • Wang, J., Sun, X., She, M. F., Kouzani, A., & ...
  • Rohlf, F. J. (1974). Methods of comparing classification. Annual Review ...
  • Zhao, Y., & Karypis, G. (2004). Empirical and theoretical comparisons ...
  • Fowlkes, E. B., & Mallows, C. L. (1983). A method ...
  • Kameda, S., & Yamamura, M. (2006, February). Spider algorithm for ...
  • Intelligence, Knowledge Engineering and Data Bases (pp. 378-383). World Scientific ...
  • Studholme, C., Hill, D. L., & Hawkes, D. J. (1999). ...
  • Fu, T. C., Chung, F. L., Ng, V., & Luk, ...
  • Wismiller, A., Lange, O., Dersch, D. R., Leinsinger, G. L., ...
  • Kurbalija, V., von Bernstorff, C., Burkhard, H. D, Nachtwei, J., ...
  • Gopalapillai, R., Gupta, D., & Sudarshan, T. S. B. (2014). ...
  • Fong, S. (2012). Using hierarchical time series clustering algorithm and ...
  • Research International, 2012. ...
  • Subhani, N., Rueda, L., Nom, A., & Burden, C. J. ...
  • Scotto, M. G., Alonso, A. M., & Barbosa, S.M. (2009). ...
  • He, W., Feng, G., Wu, Q., He, T., Wan, S., ...
  • Sfetsos, A., & Siriopoulos, C. (2004). Time series forecasting with ...
  • نمایش کامل مراجع