Neues Masking-Verfahren verbessert Clustering von multivariaten Zeitreihen
In der Analyse von multivariaten Zeitreihen (MTS) stellen redundante Daten wie stabile Maschinenbetriebsaufzeichnungen oder Leerlaufphasen bei Solarstromproduzenten ein Hindernis für die Entdeckung echter Muster dar. Diese Redundanz lenkt die Aufmerksamkeit von den wirklich aussagekräftigen Zeitpunkten ab und führt zu suboptimalen Repräsentationen, die das Clustering erschweren.
