一种基于Shapelets的懒惰式时间序列分类算法

摘要：

近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴别性;与此同时,普通模型往往忽略了待分类实例所具有的局部特征.为此,我们提出了一种依据待分类实例显著局部特征的懒惰式分类模型.这种模型为每个待分类实例构建各自的数据驱动的懒惰式shapelets分类模型,从而逐步缩小了与其分类相关的时间序列搜索空间,使得所获得的shapelets能够直接反映待分类实例的显著局部特征.实验结果表明该文提出的模型具有较高的准确率和更强的可解释性.

关键词：时间序列、懒惰式学习、分类、shapelets、可解释性

所属期刊栏目：42

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61672086,61702030,61771058;中国博士后科学基金2018M631328;中央高校基本科研业务费专项资金2017YJS036;北京市自然科学基金4182052

在线出版日期：2019-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：29-43