时间序列聚类与时间序列分割的区别

Question

在时间序列数据挖掘的背景下，我读过关于时间序列分割和时间序列聚类的文章，但是我无法区分两者。如果它们是不同的，这些方法如何相互关联？

根据我的理解(如果我错了，请纠正我)，分割被认为是聚类阶段的预处理步骤。我的意思是，分段步骤主要用于将时间序列数据划分为分段，例如，将其划分为状态。在此基础上，采用传统的聚类算法对这些片段进行聚类(相似段属于同一簇)。

例如，假设分段过程将给定的时间序列表示为以下部分：(S1、S2、S3、S4、S5、S6)。然后，在应用分割过程后，采用传统的聚类方法对提取的片段进行聚类。因此，我们可能会得到这样的结果:如果k= 3:那么K1 {S1，S5}，K2 {S3，S6}，K3 {S2，S4}

请纠正我的错误，并提供更多的说明链接，如果你有任何。

Answer 1

实际上，没有固定的术语，这两个术语有时是相同的含义，有时是不同的。我建议您自己遵循下面的术语，然后您可以根据这一点来区分方法：

• 时间序列分割意味着将单个时间序列划分为类似的片段，即在单个时间序列中进行聚类(例如，我有一段视频，其中有人正在阅读一本书，然后开始步行，然后开始骑车。现在我想对这三个动作进行分割)。

建议:状态空间重构、运动自相关、动DTW、傅里叶分析、可见性图等测量时间序列与自身相似性的方法。

• 时间序列聚类 (或这)是指在时间序列的数据集中找到类似的时间序列(例如，我有10个大脑信号，5个来自健康受试者，5个来自患者，而不知道谁是病人和谁是健康的。现在我想将这个数据集聚成两个集群)

建议:使用DTW建立时间序列之间的相似性矩阵，然后应用谱聚类(只是临时的)。如果你搜索文献，应该有更成熟的解决方案)

希望它有所帮助:)