时间序列分类问题的算法比较

• 作者: 李磊 杨一鸣 杨强 潘嘉林 潘嵘
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 分类 时间序列 基于模型聚类 马尔可夫模型 统计学习
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 分类
• 页码范围: 1259-1266
• 页数: 8页
• 分类号: TP311
• 字数: 6250字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2007.08.007

摘要

时间序列分类是时间序列数据分析中的重要任务之一.不同于时间序列分析中常用的算法与问题,时间序列分类是要把整个时间序列当作输入,其目的是要赋予这个序列某个离散标记.它比一般分类问题困难,主要在于要分类的时间序列数据不等长,这使得一般的分类算法不能直接应用.即使是等长的时间序列,由于不同序列在相同位置的数值一般不可直接比较,一般的分类算法依然还是不适合直接应用.为了解决这些难点,通常有两种方法:第一,定义合适的距离度量(这里,最常用的距离度量是DTW距离),使得在此度量意义下相近的序列有相同的分类标签,这类方法属于领域无关的方法;第二,首先对时间序列建模(利用序列中前后数据的依赖关系建立模型),再用模型参数组成等长向量来表示每条序列,最后用一般的分类算法进行训练和分类,这类方法属于领域相关的方法.长期以来,研究者往往只倾向于使用其中一种算法,而这两类算法的比较却比较缺乏.文中深入分析了这两类方法,并且分别在不同的合成数据集和实际数据集上比较了两类方法.作者观测到了两类算法在不同因素影响下的性能表现,从而为今后发展新的算法提供了有力依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李磊	中山大学软件研究所	117	1028	16.0	29.0
2	杨强	中山大学软件研究所	8	75	2.0	8.0
6	杨一鸣	中山大学软件研究所	2	74	1.0	2.0
7	潘嵘	香港科技大学计算机科学与工程系	1	73	1.0	1.0
8	潘嘉林	香港科技大学计算机科学与工程系	1	73	1.0	1.0