Abstract: H. Abbasimehr, A. Abriaid, A. G. Oskoueib, A. Noshadd (2025)

Recently, clustering has been widely used to localize global forecasting models and address data heterogeneity. Most prior work has focused on single-view clustering approaches, where constructing effective representations of time series data is critical. Inspired by advances in multi-view clustering and time series imaging techniques, and aiming to leverage the complementary information captured from multiple views of time series data, this study proposes a global forecasting methodology based on multi-view clustering (MVC) to enhance clustering robustness and improve forecasting accuracy. Specifically, we introduce an optimal fuzzy multi-view clustering algorithm (OFMVC) as part of the proposed forecasting framework. OFMVC includes an intelligent view selection mechanism that leverages diversity and manifold learning to identify views that are both complementary and representative of the dataset's inherent geometric structure. Experiments on the six M3 monthly datasets show that forecasting models built using OFMVC outperform all single-view clustering methods. In terms of mean symmetric Mean Absolute Percentage Error (sMAPE), the proposed model also exceeds a baseline multi-view clustering method, with a performance gain of 0.21. Moreover, the proposed approach outperforms several stateof-the-art methods reported in the literature, including univariate and deep learning-based time series forecasting models. The source code and data for this article are located at: https://github.com/AliReza000J/MVC-Time-series-Forecasting.

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.

Multi-view clustering for localized global time series forecasting