10.11896/j.issn.1002-137X.2018.05.030
基于shapelets学习的多元时间序列分类
多元时间序列广泛存在于日常生活中的各个领域,多元时间序列分类是从时间序列数据中获取信息的基本方法.目前,时间序列分类研究面临着相似性度量方法特殊、原始数据维度高等问题,现有的多元时间序列分类方法的分类性能仍有待提高.文中提出一种基于shapelets学习的多元时间序列分类方法.首先,提出了新的正则化最小二乘损失学习框架下的shapelets学习方法,在此基础上采用基于shapelets的一元时间序列分类方法对多元时间序列的每维一元数据进行分类,随后由各维上的分类结果投票决定多元时间序列的最终分类结果.实验证明,所提方法在多元时间序列分类问题中能够取得较高的分类精度.
多元时间序列、分类、shapelets、shapelets学习
45
TP311.11(计算技术、计算机技术)
国家自然科学基金61473149
2018-06-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
180-184,219