时间序列聚类方法的研究

女主宣言

为了保证系统、服务的可靠性和稳定性，监控系统日渐成为每个公司、企业的一个必不可少的系统。随着服务、机器等数量越来越多，如何分析海量时间序列KPI成为我们在智能运维领域首先需要解决的问题。

在众多的时间序列中，有一些序列存在相关性，如果我们能将时序数据进行快速准确地聚类，只对不同类别的数据进行分析，这样就能大大降低后续数据分析与挖掘工作的开销。

PS：丰富的一线技术、多元化的表现形式，尽在“HULK一线技术杂谈”，点关注哦！

背景

由于时间序列的维度一般都比较高，高则上千维、上万维，所以在聚类之前，我们需要使用合理的方法去降低时间序列的维度。时间序列的随机扰动和噪声比较多，如何分析序列的相似度变得相当困难。许多聚类算法，如k-means的效果和参数的选取有密切关系。面对大规模的时序数据，难以人工选取合适的参数，因此我们需要设计更智能的参数选择方法。

本文提出一种基于PCA降维的聚类方法，能够很好地解决上面的问题。