小时间序列动态完全Bayesian集成分类器研究

摘要：

提高连续属性小时间序列分类的可靠性重要且具有挑战性.由于小时间序列所蕴含的信息不充分和时间序列数据具有时序依赖性,使得优化分类器与数据的拟合程度非常困难,而且非时间序列数据分类器的许多成熟技术都不具有实用性.针对这种情况,本文采用动态完全Bayesian分类器来增加属性为类提供的信息量,以实现时序与非时序信息的融合,并将基于具有对角平滑参数矩阵的多元Gaussian核函数估计属性条件联合密度、平滑参数的区间划分、时序递进分类准确性标准、平滑参数配置树的构建和分类器选择与平均等相结合来建立小时间序列动态完全Bayesian集成分类器.使用宏观经济小时间序列数据集进行实验,实验的结果显示,经过优化的动态完全Bayesian集成分类器具有良好的分类准确性.

关键词：动态完全Bayesian分类器、多元Gaussian核函数、平滑参数、分类准确性、分类器选择与平均

所属期刊栏目：47

分类号：TP301.6;TP183;TP751.1

资助基金：国家自然科学基金;上海市自然科学基金

在线出版日期：2018-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共21页

页码：1443-1463