Abstract: C. Xu, J. Chen (2023)

Time-series data are trendy and periodic, and have high data dimensionality, the current clustering methods cannot effectively target these characteristics. A recurrence plot variational auto-encoder deep clustering (RPVAEDC) model based on recurrence plot and variational auto-encoder is proposed to address the characteristics of time-series data. The time-series data are first transformed into recurrence plots to reveal their trends and periodicity; then the recurrence plots are fed into a deep clustering model for feature extraction and dimensionality reduction, and the distribution of the transformed data is normalized by variational auto-encoder; then the clustering results are obtained by adding a clustering layer to combine the auto-encoder reconstruction loss and clustering loss. It is experimentally demonstrated that the silhouette coefficient scores are achieved significantly better than other clustering algorithms on the public data sets.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Deep Clustering Model for Time-Series Data Based on Recurrence Plot and Variational Auto-Encoder