十一，基於循環神經網絡的時序數據聚類算法及其並行化

• 論文名稱
  基於循環神經網絡的時序數據聚類算法及其並行化，王國瑞.

• 研究對象
  主要圍繞時序數據聚類問題，不同於已有的時序數據聚類方法，本文獻的研究是基於循環神經網絡的時序數據聚類方法，研究成果可用於金融股票數據分析。

• 研究動機
  在時間序列數據挖掘領域，結合循環神經網絡將其應用在時間序列數據預測及聚類任務上。

• 文獻綜述
  

  • 基於時間臨近度的時序聚類：主要在於序列相似性的衡量，利用不同的相似度計算方法進行聚類。
  • 基於特征變換的時序聚類：基於特征變換的方法是將原始數據進行轉換得到新的特征數據，再利用聚類算法進行聚類。
  • 基於模型的時序聚類：用模型對時序數據進行擬合，時間序列是否相似取決於模型相似情況，利用時間序列擬合時序預測模型參數，最后利用這些參數進行聚類。

• 研究方案設計
  

  • 利用深度學習技術對時序數據進行處理，用RNN捕捉時序數據中的隱含依賴關系，進而聚類。
  • LSTM對時間序列進行學習，得到全體隱藏層信息並利用平均池化降維，增強隱層表達能力，最后利用K-Means得到聚類結果。
  • GRU進行學習，得到特征信息利用K-Means得到聚類結果。

• 使用數據集
  Eamonn教授與其學生整理的UCR數據集，從中選取七組數據。

• 研究結論
  

• 學習心得
  對論文整體結構進行梳理，本文研究基於循環神經的時序數據聚類方法，在XMind知識節點上，記錄了研讀筆記，根據思維導圖系統全面的學習，深究論文中尚未了解的知識，試着把論文研究結果在股票數據集上應用，繼續把這篇論文讀透。