创新耐打！时间序列+聚类这么做，顶会稳了！

分享一个顶会热门主题： 时间序列+聚类。 它同时也是数据挖掘与模式识别的核心课题，能高效挖掘数据模式，提高预测和分析的准确性，非常适合多变的数据环境，比如金融、医疗、零售、制造业等领域。

这方向近年来在工业界的需求增长不断，研究前景广阔。当前顶会上相关论文成果多聚焦于跨领域模型构建与实际场景适配，比如华东师大的DUET。如果想发论文，建议从 数据特性（如多模态）和算法效率（如轻量化） 切入，结合最新技术（如扩散模型）搞创新。

本文整理了 11篇 时间序列+聚类新论文 ，开源代码已附，包含最近的顶会顶刊成果，供各位做参考，没思路或有其他问题也欢迎交流~

扫码添加小享， 回复“ 时序聚类 ”

免费获取 全部论文+开源代码

DUET: Dual Clustering Enhanced Multivariate Time Series Forecasting

方法： 论文旨在解决多变量时间序列预测中由时间分布转移（TDS）引起的异质时间模式问题，通过提出一种名为DUET的新方法，结合通道和时间的双重聚类策略及蒙面注意力机制，以提高预测准确性和模型效率。

创新点：

• DUET通过在时间和通道两个维度上进行双重聚类，有效地提取多元时间序列中的异质性时间模式和通道依赖性。
• DUET采用通道软聚类（CSC）策略，通过度量学习在频率空间中柔性地聚类通道，并生成相应的通道掩码矩阵以实现稀疏连接。

From similarity to superiority: Channel clustering for time series forecasting

方法： 本文提出了一种名为通道聚类模块（CCM）的新方法，通过在时间序列模型中平衡单个通道的处理与跨通道的依赖关系捕捉，实现了在零样本预测中的显著提升，并在跨领域场景中展现出更好的泛化能力。

创新点：

• CCM通过动态将具有内在相似性的通道分组，利用聚类信息代替个别通道身份，从而实现通道独立（CI）和通道依赖（CD）策略的最佳融合。
• 通过集群分配器，CCM在训练阶段创建每个集群的原型嵌入，在自监督上下文中引入了集群损失函数。
• CCM为每个集群分配独立的前馈网络，以替代对每个通道的个别处理。

扫码添加小享， 回复“ 时序聚类