Статья: ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ МЕТОДА ДИНАМИЧЕСКОЙ ТРАНСФОРМАЦИИ ВРЕМЕННОЙ ШКАЛЫ ДЛЯ КЛАСТЕРИЗАЦИИ ВРЕМЕННЫХ РЯДОВ (2026)

Читать онлайн

Статья посвящена актуальной проблематике повышения эффективности алгоритмов кластеризации временных рядов. Актуальность работы обусловлена не только необходимостью обработки растущих объемов информации из таких сфер, как финансы, интернет вещей, биоинформатика и мониторинг промышленного оборудования, но и потребностью в более глубоком понимании скрытой структуры этих данных. Цель исследования заключается в системном улучшении понимания внутренней структуры временных рядов и, как следствие, в разработке более точных, устойчивых и вычислительно эффективных алгоритмов для их кластерного анализа. В качестве методологической основы проводится всесторонний анализ современных методов кластеризации, акцентирующий внимание на двух ключевых аспектах: оценке структурных сходств между рядами и техниках декомпозиции временных рядов на составные компоненты (тренд, сезонность, шум). Особое внимание в работе уделяется критически важному вопросу выбора адекватной метрики расстояния, поскольку от нее напрямую зависит качество и интерпретируемость итоговых кластеров. Детально исследуется потенциал и ограничения метрики динамической трансформации временной шкалы (DTW), способной учитывать нелинейные искажения по временной оси. Основной теоретический вклад статьи заключается в предложении и обосновании гибридных подходов, которые интегрируют классические алгоритмы кластеризации (такие как K-средних или иерархическая кластеризация), основанные на метрике DTW, с передовыми методами нелинейного снижения размерности, в частности, с алгоритмом Uniform Manifold Approximation and Projection (UMAP). Такая комбинация позволяет визуализировать и кластеризовать данные в низкоразмерном пространстве, сохраняющем существенные геометрические отношения, что повышает качество группировки и скорость вычислений. Кроме того, в работе отдельно рассматриваются стратегии оптимизации обработки длинных временных рядов, направленные на снижение вычислительной сложности без значительной потери информативности. Практическая ценность исследования подтверждается серией вычислительных экспериментов на синтетических и реальных наборах данных. Представленные результаты наглядно демонстрируют сравнительные преимущества предложенных гибридных методик перед традиционными подходами в терминах точности кластеризации, устойчивости к шуму и вычислительной эффективности. Таким образом, работа вносит значимый вклад в развитие методов интеллектуального анализа временных рядов, предлагая новые, более мощные инструменты для извлечения знаний из данных.

Ключевые фразы: кластеризация временных рядов, динамическая трансформация временной шкалы, понижение размерности, гибридные методы, машинное обучение
Автор (ы): Кисляков Алексей Николаевич (Kislyakov A. N.)
Журнал: НОВОЕ В ЭКОНОМИЧЕСКОЙ КИБЕРНЕТИКЕ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Экономика
УДК
311.13. Статистические ряды
Для цитирования:
КИСЛЯКОВ А. Н. ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ МЕТОДА ДИНАМИЧЕСКОЙ ТРАНСФОРМАЦИИ ВРЕМЕННОЙ ШКАЛЫ ДЛЯ КЛАСТЕРИЗАЦИИ ВРЕМЕННЫХ РЯДОВ // НОВОЕ В ЭКОНОМИЧЕСКОЙ КИБЕРНЕТИКЕ. 2026. № 1
Текстовый фрагмент статьи
Моя история просмотров (10)
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.