这个开源项目利用储层计算技术，实现了时间序列数据的分类、聚类和预测功能。它支持处理单变量和多变量时间序列，并提供了易用的Python库。项目包含多个功能模块、丰富的数据集和高级示例。其特有的储层模型空间表示方法在处理复杂时间序列任务时表现出色。

kshape-python是一种用于单变量和多变量时间序列聚类的高效无监督算法。该方法在ACM SIGMOD 2015会议上获得最佳论文奖，已在多个科学领域和知名企业中广泛应用。kshape-python在准确性和效率方面表现出色，在包含100多个数据集的基准测试中名列前茅。该项目提供CPU和GPU版本实现，可处理大规模时间序列数据。项目提供详细的安装说明、使用示例和基准测试结果，支持单变量和多变量时间序列数据，可在CPU或GPU上运行。该方法在UCR和UAE两个established benchmarks上进行了评估，展示了其在不同数据集上的性能。

dtwclust是一个用于时间序列聚类的R语言包，实现了多种聚类算法，包括传统方法和新型的k-Shape、TADPole等。该包支持分区、层次和模糊聚类，提供DTW、GAK、软DTW等距离度量，并针对DTW进行了优化。它还包含聚类有效性指数、多变量支持和并行计算功能。dtwclust设计灵活，允许用户自定义距离度量和质心计算方法，适用于各类时间序列聚类任务。