基于中心Copula函数相似性度量的时间序列聚类方法

摘要

针对现实中广泛存在的非线性时间序列数据,提出了一种适用于具有一般相依结构的时间序列聚类的新方法。该方法基于中心Copula函数可以有效度量随机变量之间独立性的特性,采用中心Copula过程捕获时间序列的动态相依结构,采用Cramér-von Mises统计量构造了一种新的时间序列聚类的相似性度量,并给出了该度量的一致性非参数估计及其便于计算的等价形式。实验结果表明,基于新的相似性度量的层次聚类算法不仅适用于非线性时间序列数据,对具有线性相依结构的时间序列数据和实际数据也有较高的聚类质量。