基于线性分段与HMM的时间序列分类算法

• 作者: 尹锐 彭宏 李军 李雄飞
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 时间序列分类 隐马尔可夫模型 线性分段 导数估值
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 研究与应用
• 页码范围: 574-581
• 分类号: TP391
• 字数: 6972字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2011.04.017

摘要

抽象出时间序列的多段线性特征,并提出一种时间序列分类算法.该算法包括3个模块:导数估值函数,线性分段方法,DDHMM模型(基于HMM).首先,利用导数估值函数与线性分段方法检测多段线性特征,若满足多线段特征,则将时间序列转化为特定结构的观察值序列；然后,利用训练观察值序列训练DDHMM模型,通过比较各模型产生测试观察值序列的概率值进行分类.实验表明,针对满足多段线性特征的时间序列,该算法具有较高的分类精度,应用在UCI数据集和实际工程中,分类效果好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李雄飞	吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室	60	783	13.0	27.0
2	李军	吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室	109	1356	17.0	34.0
3	彭宏	新疆师范大学网络教育学院	17	85	6.0	9.0
4	尹锐	吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室	4	9	1.0	3.0