摘要

时间序列聚类面临效果与效率权衡。本文提出 MSRGC-Net，结合多尺度储备池计算、粒球锚定图构建与共识学习。

计算机科学 > 机器学习

[提交于 2026年6月10日]

标题：基于多尺度储备池动力学与粒球锚定图优化的高效时间序列聚类

作者：Yifan Wang, Lifeng Shen, Shuyin Xia, Yi Wang

摘要：时间序列聚类仍具挑战性，原因在于聚类效果与计算效率之间存在固有权衡。基于相似度的方法常因成对距离计算而受到二次复杂度影响，而基于深度学习的方法通常依赖代价高昂的迭代训练和大量可训练参数。本文提出 MSRGC-Net，一种高效的时间序列聚类框架，集成了多尺度储备池计算、基于粒球的锚定图构建和共识学习。MSRGC-Net 采用无需训练的储备池计算范式，从原始时间序列中提取多尺度时间表示，无需反向传播，从而显著降低计算开销。为捕捉所得表示的内在结构，采用粒球计算进行自适应

Comments: Subjects: 机器学习（cs.LG） Cite as: arXiv:2606.12077 [cs.LG] (or arXiv:2606.12077v1 [cs.LG] for this version) https://doi.org/10.48550/arXiv.2606.12077

聚焦以了解更多

arXiv-issued DOI via DataCite (pending registration)

提交历史

From: Lifeng Shen [view email]
[v1] Wed, 10 Jun 2026 13:42:35 UTC (3,586 KB)

全文链接：

访问论文：

查看许可证

当前浏览上下文：

正文：cs.LG

< prev | next >

new | recent | 2026-06

Change to browse by:

参考文献与引用

正文：NASA ADS
正文：Google Scholar
正文：Semantic Scholar

export BibTeX citation 正在加载...

BibTeX 格式引用

正在加载...

数据提供方：

书签

Bibliographic Tools

书目与引用工具

书目浏览器切换

书目浏览器 (What is the Explorer?)

Connected Papers 切换

正文：Connected Papers (What is Connected Papers?)

Litmaps 切换

正文：Litmaps (What is Litmaps?)

scite.ai 切换

正文：scite Smart Citations (What are Smart Citations?)

Code, Data, Media

与本文相关的代码、数据和媒体

alphaXiv 切换

正文：alphaXiv (What is alphaXiv?)

代码链接切换

CatalyzeX 论文代码查找器 (What is CatalyzeX?)

DagsHub 切换

正文：DagsHub (What is DagsHub?)

GotitPub 切换

正文：Gotit.pub (What is GotitPub?)

Huggingface 切换

正文：Hugging Face (What is Huggingface?)

ScienceCast 切换

正文：ScienceCast (What is ScienceCast?)

Demos

演示

Replicate 切换

正文：Replicate (What is Replicate?)

Spaces 切换

正文：Hugging Face Spaces (What is Spaces?)

Spaces 切换

正文：TXYZ.AI (What is TXYZ.AI?)

arXivLabs：与社区合作者开展的实验性项目

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织均已认同并接受我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于这些价值观，并且只与遵循这些价值观的合作伙伴合作。

有能为 arXiv 社区增加价值的项目想法吗？了解更多关于 arXivLabs 的信息。