《表2 源数据各类别DTW分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多元时间序列分割聚类的异常值检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于得到的各类数据的数据总量并不相同，传统的聚类效果比较算法均难以应用，动态时间规整算法（dynamic time warping，DTW）能够衡量两个序列的相似程度，认为类别间相似度大的聚类效果好。分别计算两两类别生成数据矩阵的欧氏距离，对得到的结果进行分析，判断分割得到的各子序列是否具有高独立性，得到的结果见表2。