基于多视图的多元时间序列聚类方法

基于多视图的多元时间序列聚类方法（Multi-view Multi-variate Time Series Clustering Method，CSMVC）面向特征维度高、结构复杂等特点从数据表示的角度出发，挖掘数据的多视图信息。CSMVC利用了多元时间序列数据的多视图特性，采用多视图聚类方法来提高聚类能力。采用一种新型的NMF方法，实现了从不同角度提取数据的全局结构和局部结构。The Multi-view Multi-variate Time Series Clustering Method (CSMVC) targets datasets with high feature dimensionality and complex structures. Starting from the perspective of data representation, it excavates the multi-view information inherent in the data. CSMVC leverages the multi-view properties of multivariate time series data, and employs multi-view clustering techniques to improve clustering performance. Specifically, it utilizes a novel non-negative matrix factorization (NMF) method to extract both the global and local structures of the data from diverse perspectives.

搜集汇总

背景与挑战

背景概述

该数据集提出了一种基于多视图的多元时间序列聚类方法（CSMVC），旨在处理高维复杂数据。它通过挖掘数据的多视图信息，利用多视图聚类提升性能，并采用新型NMF方法从不同角度提取数据的全局和局部结构。