我收集了大量的时间序列——在 1 年的时间里，在各个不同地点每 15 分钟进行一次测量（一天 96 次测量）。
我将每个时间序列分解为 365 个单独的较小时间序列，一年中的每一天都有 1 个。查看这些时间序列，一天肯定有许多不同的形状。有些看起来是正弦曲线，有些是恒定的，有些看起来像随机随机过程，有些看起来像抛物线，有些看起来像 U 形。
我想做的是使用一种可以找到这些常见形状的算法。我考虑过聚类，并使用聚类质心来定义常见形状，但想与社区核实这是否正确。到目前为止，我已经将动态时间扭曲视为一个指标，但该指标似乎需要大量计算。我也发现
http://mox.polimi.it/it/progetti/pubblicazioni/quaderni/13-2008.pdf来自 SE。
我还看到了是否可以根据曲线形状进行时间序列聚类？但这个问题是从 2010 年开始的，可能已经过时了。
我的另一个想法是对格式如下的矩阵进行特征分解：
矩阵是在第天观察到的所有时间序列的矩阵。的每一行都是一个长度为 96 的时间序列。然后，我会做 365 个特征分解，并将特征向量用作常见形状。这听起来合理吗？
谢谢！