[发明专利]一种面向时间序列数据的深度K均值聚类方法在审
| 申请号： | 201910085135.5 | 申请日： | 2019-01-29 |
| 公开（公告）号： | CN109919189A | 公开（公告）日： | 2019-06-21 |
| 发明（设计）人： | 马千里;李森;郑佳炜 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面向时间序列数据的深度K均值聚类方法，步骤如下：获取时间序列数据集，并进行预处理，分离出数据的样本信息以及类别信息，并把数据的样本信息输入到模型中去；构建一个编解码器模型，采用卷积‑反卷积架构；将K均值聚类损失引入到编解码器模型中，形成面向时间序列数据的深度K均值聚类模型，将提取特征与聚类目标进行融合；利用反向传播算法，训练构建好的模型，指导隐层状态的生成；最后基于训练过程生成的隐层状态表示进行k‑means聚类，计算rand index指标。通过将提取特征与聚类目标进行融合，使生成的隐层状态不仅能够重构原来的样本，还有利于簇状结构的形成，从而更好进行聚类的操作，提高聚类的精度。 | ||
| 搜索关键词： | 聚类 时间序列数据 隐层 编解码器 提取特征 样本信息 构建 预处理 簇状结构 反向传播 类别信息 训练过程 状态表示 反卷积 融合 卷积 算法 重构 样本 架构 引入 | ||
【主权项】：
1.一种面向时间序列数据的深度K均值聚类方法，其特征在于，所述的聚类方法包括以下步骤：S1、获取时间序列数据集，对数据进行预处理，分离出数据的样本信息以及类别信息；S2、构建一个编解码器模型，其中，编码器采用三层卷积结构，解码器采用三层反卷积结构；S3、将K均值聚类损失引入编解码器模型中，形成面向时间序列数据的深度K均值聚类模型，将提取特征与聚类目标进行融合；S4、把所述的数据的样本信息输入到所述的深度K均值聚类模型，通过反向传播算法训练该深度K均值聚类模型，指导隐层状态的生成；S5、使用k‑means算法对步骤S4中由训练过程生成的隐层状态进行聚类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910085135.5/，转载请声明来源钻瓜专利网。
