基于奇异值分解和判别局部保持投影的多变量时间序列分类

• 作者: 董红玉 陈晓云
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 多变量时间序列 分类 奇异值分解 判别局部保持投影 最大间距准则
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 239-243
• 页数: 5页
• 分类号: TP311
• 字数: 5248字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.01.0239

摘要

针对现有多变量时间序列分类算法存在的要求序列等长和忽视类别信息两个不足,提出基于奇异值分解(SVD)和判别局部保持投影的分类算法.该算法基于降维思想,先通过SVD将样本的第一右奇异向量作为特征向量,以此将不等长序列转化为规模大小相同的序列;接着采用基于最大间距准则的判别局部保持投影对特征向量投影,充分利用类别信息以确保投影后同类样本尽量接近,异类样本尽量分散;最后在低维子空间采用1最近邻(1NN)、Parzen窗、支持向量机(SVM)和朴素Bayes分类器进行分类.在Australian Sign Language(ASL)、Japanese Vowels (JV)和Wafer三个公开的多变量时间序列数据集上进行的实验结果表明:在时间开销基本不变的前提下,所提方法取得了较低的分类错误率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈晓云	福州大学数学与计算机科学学院	76	590	13.0	21.0
2	董红玉	福州大学数学与计算机科学学院	4	5	2.0	2.0