時間序列聚類已成為近十年來越來越重要的研究課題。大多數(shù)現(xiàn)有的時間序列聚類方法依賴于使用歐幾里得距離或動態(tài)時間扭曲距離作為距離度量的整個原始數(shù)據(jù)計算出的距離。然而，存在顯著噪聲、輟學(xué)或外來數(shù)據(jù)會極大地限制該領(lǐng)域中聚類的準確性。此外，對于大多數(shù)現(xiàn)實世界問題，我們不能期望同一類中的對象長度相等。因此，大多數(shù)關(guān)于時間序列聚類的工作只考慮個體時間序列“行為”的聚類，例如個體心跳或個體步態(tài)周期，并以某種方式設(shè)計時間序列，使其長度相等。然而，以這種方式設(shè)計數(shù)據(jù)往往比集群本身更困難。

　　在這項工作中，我們表明，通過僅使用一些局部模式并故意忽略其余的數(shù)據(jù)，我們可以緩解上述問題，并將不同長度的時間序列群集起來，即將一個心跳與多個心跳群集起來。為了實現(xiàn)這一點，我們利用并擴展了最近引入的時間序列數(shù)據(jù)挖掘概念shapelets。與現(xiàn)有的工作不同，我們的工作首次證明了shapelet可以從未標記的時間序列中學(xué)習(xí)這一非必然的事實。我們在不同領(lǐng)域進行了廣泛的實證評估，結(jié)果表明我們的方法比現(xiàn)有的方法更準確。此外，除了準確的聚類結(jié)果外，我們的工作還可以對其應(yīng)用領(lǐng)域進行深入了解。

　　時間序列分析是航天、金融、商業(yè)、氣象學(xué)、醫(yī)學(xué)、運動捕捉等許多研究領(lǐng)域的一個重要課題，然而，大多數(shù)時間序列分析的研究都受到昂貴的標記數(shù)據(jù)需求的限制。這導(dǎo)致人們對聚類時間序列數(shù)據(jù)越來越感興趣，根據(jù)定義，這些數(shù)據(jù)不需要訪問帶標簽的數(shù)據(jù)。

　　Keogh和Kasetty于年進行的一項長達十年的經(jīng)驗比較揭示了一個令人驚訝的事實，即簡單的歐幾里得距離度量與其他更復(fù)雜的距離度量具有高度的競爭性，而最近的研究證實了這一點。然而，要定義歐幾里得距離，時間序列必須是等長的。動態(tài)時間扭曲（DTW）既能解決這一問題，又能解決包含異相相似度的時間序列聚類困難的問題，如所示。

　　然而，在這項工作中，我們認為歐幾里得距離或DTW用于聚類的明顯效用可能來自于對UCR時間序列存檔的過度依賴，用于測試聚類算法。問題是，這個檔案中的數(shù)據(jù)已經(jīng)被手工編輯，以便具有相等的長度和（近似的）對齊方式。然而，以這種格式設(shè)計數(shù)據(jù)的任務(wù)幾乎肯定比為數(shù)據(jù)添加標簽（即集群本身）的任務(wù)更困難。

　　作為一個具體的例子，考慮到著名的槍點數(shù)據(jù)集，它已經(jīng)在成百上千的研究中被用于聚類和分類，在每種情況下都報告了近乎完美的準確度。這個數(shù)據(jù)集是通過聲音提示設(shè)計的，這兩種提示都向演員發(fā)出信號，并開始/停止錄像。圖1顯示了來自歸檔文件的兩個數(shù)據(jù)示例（只是用紅色/粗體突出顯示的部分）；但是，通過檢查原始歸檔文件，我們能夠顯示UCR歸檔文件中使用的3秒繼續(xù)/跟蹤數(shù)據(jù)。