十一，基于循环神经网络的时序数据聚类算法及其并行化

• 论文名称
  基于循环神经网络的时序数据聚类算法及其并行化，王国瑞.

• 研究对象
  主要围绕时序数据聚类问题，不同于已有的时序数据聚类方法，本文献的研究是基于循环神经网络的时序数据聚类方法，研究成果可用于金融股票数据分析。

• 研究动机
  在时间序列数据挖掘领域，结合循环神经网络将其应用在时间序列数据预测及聚类任务上。

• 文献综述
  

  • 基于时间临近度的时序聚类：主要在于序列相似性的衡量，利用不同的相似度计算方法进行聚类。
  • 基于特征变换的时序聚类：基于特征变换的方法是将原始数据进行转换得到新的特征数据，再利用聚类算法进行聚类。
  • 基于模型的时序聚类：用模型对时序数据进行拟合，时间序列是否相似取决于模型相似情况，利用时间序列拟合时序预测模型参数，最后利用这些参数进行聚类。

• 研究方案设计
  

  • 利用深度学习技术对时序数据进行处理，用RNN捕捉时序数据中的隐含依赖关系，进而聚类。
  • LSTM对时间序列进行学习，得到全体隐藏层信息并利用平均池化降维，增强隐层表达能力，最后利用K-Means得到聚类结果。
  • GRU进行学习，得到特征信息利用K-Means得到聚类结果。

• 使用数据集
  Eamonn教授与其学生整理的UCR数据集，从中选取七组数据。

• 研究结论
  

• 学习心得
  对论文整体结构进行梳理，本文研究基于循环神经的时序数据聚类方法，在XMind知识节点上，记录了研读笔记，根据思维导图系统全面的学习，深究论文中尚未了解的知识，试着把论文研究结果在股票数据集上应用，继续把这篇论文读透。