滑动窗口处理时间序列聚类时，窗口大小不当会导致三种意外失败。

On the clustering behavior of sliding windows

• 分析窗口大小与序列长度关系对聚类的影响
• 揭示三种由参数不匹配引发的聚类失效模式
• 适合做时间序列分析的科研人员参考

当使用滑动窗口预处理时间序列数据进行聚类时，可能出现严重错误。本文根据窗口大小与时间序列长度的相对关系，揭示了三种令人意外的聚类失败现象。除了具体的计算案例外，还提供了每种失效模式的理论解释，帮助理解滑动窗口方法在实际应用中的潜在风险。

原文摘要 · Abstract (English)

Things can go spectacularly wrong when clustering timeseries data that has been preprocessed with a sliding window. We highlight three surprising failures that emerge depending on how the window size compares with the timeseries length. In addition to computational examples, we present theoretical explanations for each of these failure modes.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。