论文部分内容阅读
灰关联分析方法是描述系统定量发展趋势的重要工具，主要通过灰色关联度(GID)进行序列关联度量。传统灰色关联度模型对于不等长序列通常采用删除、均值、预测等方法进行补齐，人工干预引入了新的不确定性。基于此，本文提出了一种优化的不确定性灰关联度方法(GID-LDTW)。该方法采用受限条件下动态时间弯曲距离(LDTW)进行不确定性距离表示，通过优化限制连接总数来自动确定数据点之间连接数的分配及其连接位置。在此基础上，通过建立优化的邓氏灰关联度模型最终实现序列的不确定性灰关联分析。案例分析及聚类应用实践显示，该方法整体性能优于同类方法。特别当序列不等长时，聚类纯度平均提高14＃，熵值平均降45＃，显示出更好的性能及鲁棒特点。