一种基于时序数据LSTM特征的K-Shape聚类方法
基本信息
| 申请号 | CN202111598917.2 | 申请日 | - |
| 公开（公告）号 | CN114358157A | 公开（公告）日 | 2022-04-15 |
| 申请公布号 | CN114358157A | 申请公布日 | 2022-04-15 |
| 分类号 | G06K9/62（2022.01）I;G06F16/2458（2019.01）I;G06N3/04（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 王正宇;王平平;丁磊;隆云飞;杨鹏飞 | 申请（专利权）人 | 科大国创软件股份有限公司 |
| 代理机构 | 合肥昊晟德专利代理事务所（普通合伙） | 代理人 | 何梓秋 |
| 地址 | 230000安徽省合肥市高新区文曲路355号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于时序数据LSTM特征的K‑Shape聚类方法，属于数据挖掘技术领域，包括以下步骤：S1：收集时间序列数据样本并预处理；S2：建立并训练长短期记忆模型，输出时序动态特征数据；S3：利用手肘法和轮廓法计算出聚类的最佳聚类K值；S4：建立K‑Shape聚类模型并输出结果。本发明使用LSTM模型获取时序数据的动态特征并进行K‑Shape聚类能更好的解决如K‑均值聚类等一般聚类在对复杂时序数据的聚类结果不明确的问题，并且得出时序数据的变化趋势聚类结果；同时利用LSTM在K‑Shape聚类之前提取数据的时序特征额外地增加了聚类结果的准确性，鲁棒性和泛用能力。 |
