面向动态时间弯曲距离的灰关联聚类方法研究

灰色关联聚类是灰色系统分析的重要研究领域。现有的灰关联聚类方法在处理不同长度序列数据时，通常采用“齐或删除数据方式进行处理，增加了系统的不确定性。在动态时间弯曲距离基础上，提出了一种新的灰关联聚类方法，通过计算序列间距离矩阵的最短路径来度量相似程度，最终完成序列的灰关联聚类。该方法无需对序列数据进行人工干预，具有更强的鲁棒性。实验结果表明，在处理不同长度数据序列时，聚类结果更为准确。