1.一种关于非等长时间序列集合的中心计算方法,所述方法应用于随机轨迹识别,其特征在于,包括:S1:获取待计算集合中心的至少包括两个不等长的时间序列的非等长时间序列集合,以及确定非等长时间序列集合中所有时间序列的序列长度;
S2:计算非等长时间序列集合中所有时间序列的序列长度的平均值,以及根据序列长度的平均值,确定至少一个初始聚类中心序列;
S3:根据非等长时间序列集合以及初始聚类中心序列,相应地确定相应于非等长时间序列集合的平均序列;
S4:计算初始聚类中心序列与平均序列之间的欧氏距离,得到距离向量;
S5:判断距离向量与预设的迭代误差之间的大小,如果距离向量小于预设的迭代误差,输出相应的初始聚类中心序列为集合中心,如果距离向量不小于预设的迭代误差,以平均序列更新成初始聚类中心序列,迭代执行步骤S3~S5,直至距离向量小于预设的迭代误差。
2.根据权利要求1所述的关于非等长时间序列集合的中心计算方法,所述步骤S2包括:S21:根据非等长时间序列集合中所有时间序列的序列长度,计算所有时间序列的序列长度的平均值;计算序列长度的平均值的公式如下所示:;
式中,表示非等长时间序列集合中的时间序列的数目;表示的序列长度,;
S22:分别计算时间序列的序列长度与序列长度的平均值之间的序列差值;计算序列差值的公式如下所示:;
S23:确定与最小的序列差值相对应的若干个时间序列并且在相对应的若干个时间序列作为一个初始聚类中心序列;
,表示初始聚类中心序列的序列长度,。
3.根据权利要求2所述的关于非等长时间序列集合的中心计算方法,所述步骤S3包括:S31:分别计算所有时间序列与初始聚类中心序列之间的距离矩阵;
S32:基于最小值路径规划的标准,在距离矩阵中确定相应于时间序列规划路径,表示规划路径所经过格点的数目;
S33:根据规划路径,确定初始聚类中心序列相应于时间序列集合中每条时间序列的相似序列并且相应地确定包括所有相似序列的相似序列集合;表示初始聚类中心序列相应于时间序列的相似序列,;
S34:根据相似序列,计算相似序列集合中所有相似序列的平均序列,平均序列的计算公式如下所示:。
4.根据权利要求3所述的关于非等长时间序列集合的中心计算方法,所述步骤S4包括:S41:计算初始聚类中心序列与平均序列之间的欧氏距离,得到距离向量;
距离向量的计算公式如下所示:
;
以及,所述步骤S5包括:
S51:判断距离向量与预设的迭代误差之间的大小,如果距离向量小于预设的迭代误差,输出初始聚类中心序列为聚类中心;
S52:如果距离向量不小于预设的迭代误差,以平均序列更新成初始聚类中心序列,迭代执行步骤S3~S5,直至距离向量小于预设的迭代误差。
5.根据权利要求1所述的关于非等长时间序列集合的中心计算方法,所述步骤S2包括:S21:根据非等长时间序列集合中所有时间序列的序列长度,计算所有时间序列的序列长度的平均值;
计算序列长度的平均值的公式如下所示:
;
式中,表示非等长时间序列集合中的时间序列的数目;表示的序列长度,;
S22:在非等长时间序列集合中选择序列长度最接近的个时间序列作为初始聚类中心序列集合;
表示初始聚类中心序列,表示初始聚类中心序列的长度。
6.根据权利要求1所述的关于非等长时间序列集合的中心计算方法,所述步骤S3包括:S31:分别计算时间序列与个初始聚类中心序列之间的dtw距离,得到矩阵;
矩阵如下所示:
;
式中,;
S32:根据矩阵确定平均序列集合;
表示平均序列,表示平均序列的长度。
7.根据权利要求6所述的关于非等长时间序列集合的中心计算方法,所述步骤S4包括:S41:分别计算个初始聚类中心序列与平均序列之间的欧氏距离,得到距离向量集合,表示初始聚类中心序列与平均序列之间的距离向量;
距离向量的计算公式如下所示:
;
以及,所述步骤S5包括:
S51:判断距离向量与预设的迭代误差之间的大小,如果距离向量小于预设的迭代误差,输出相应的时间序列为聚类中心;
S52:如果距离向量不小于预设的迭代误差,以相应的初始聚类中心序列更新成平均序列,迭代执行步骤S2~S5,直至相应的距离向量小于预设的迭代误差。