基于路径跟随方法的光滑子区间K均值聚类算法

时间序列聚类是数据挖掘领域的热点问题之一。结合时间序列的特点，光滑子空间K均值聚类算法在进行稀疏型聚类的同时，可以筛选出连续的时间子区间，并基于这些子区间上的观测对时间序列聚类，其复杂度主要取决于更新聚类权重的方法。然而，现有算法中聚类权重的更新是通过凸二次规划问题求解完成的，其计算复杂度较高。文章的理论推导表明，可以通过复杂度较低的严格凸二次规划问题的求解来更新聚类权重。在此基础上，给出了计算复杂度更低的路径跟随方法来更新聚类权重。数据模拟表明了基于路径跟随方法的新算法在聚类中的有效性，及其在计算速度上的优越性。