10.11896/j.issn.1002-137X.2019.01.005
基于shapelet的时间序列分类研究
时间序列是随时间次序变化的高维实值数据,广泛存在于医学、金融、监控等领域.因为传统的分类算法在时间序列上的分类效果不佳且不具备可解释性,而shapelet为时间序列中最具辨别性的连续子序列,具有可解释性,所以基于shapelet的时间序列分类已成为时间序列分类研究的热点之一.首先,通过归纳总结,将现有的时间序列shapelet发现算法分为空间搜索发现shapelet和目标函数优化学习shapelet两类,并介绍了shapelet的相关应用;然后,从分类的对象出发,重点阐述了基于shapelet的一元时间序列和多元时间序列的分类算法;最后,指出了基于shapelet的时间序列分类在未来的研究方向.
时间序列、分类、特征提取、shapelet
46
TP391(计算技术、计算机技术)
国家自然科学基金61702468;中国地质大学武汉教学实验室开放基金SKJ2018286
2019-03-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
29-35