小时间序列的动态朴素贝叶斯分类器学习与优化

摘要：

小时间序列在宏观经济领域普遍存在，对小时间序列的分类预测也有着广泛的需求。由于小时间序列蕴含的信息不充分，有效地提高小时间序列分类预测的可靠性非常困难，目前也缺少这方面的研究。针对这种情况，在基于引入平滑参数的高斯核函数估计属性边缘密度的基础上，建立用于小时间序列分类预测的动态朴素贝叶斯分类器，并给出平滑参数的同步和异步优化方法。实验结果表明，优化能够显著提高小时间序列分类预测的准确性。

关键词：贝叶斯网络、分类器、时间序列、高斯核函数、平滑参数

所属期刊栏目：32

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61272209；上海市自然科学基金项目15ZR1429700

在线出版日期：2017-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：163-166