改进线性邻近点传播在时间序列分类中的运用

• 作者: 吴黎霞 孟军 易亚娟 欧润林
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 线性邻近点传播 半监督 类重叠 分布不平衡
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 153-157,162
• 分类号: TP311
• 字数: 4716字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.12.031

摘要

线性邻近点传播(LNP)是一种非常有效的基于图的半监督分类方法,而类重叠与数据分布不平衡问题会使LNP构造图时由于选择的邻居不合理而影响分类性能.采用谱聚类来分析数据的分布,根据聚类结果对邻居选择时的距离度量进行调整,使得选择的邻居更合理.将基于谱聚类的LNP方法应用于时间序列分类,在UCR时间序列挖掘库的四个数据集上进行实验,结果表明该方法比LNP方法具有更高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟军	大连理工大学计算机科学与技术学院	26	378	9.0	19.0
2	易亚娟	大连理工大学计算机科学与技术学院	1	0	0.0	0.0
3	吴黎霞	大连理工大学计算机科学与技术学院	1	0	0.0	0.0
4	欧润林	大连理工大学计算机科学与技术学院	1	0	0.0	0.0