基于SAX方法的时间序列分类问题的多阶段改进研究

• 作者: 叶阳东 宋伟 张帆 范明 韩鹏
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 时间序列 SAX 分类 集成学习 多阶段
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 数据挖掘
• 页码范围: 988-996
• 页数: 9页
• 分类号: TP311
• 字数: 6695字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2016.05.021

摘要

分类问题是数据挖掘中的基本问题之一,时间序列的特征表示及相似性度量是时间序列数据挖掘中分类、聚类及模式发现等任务的基础.SAX方法是一种典型的时间序列符号化表示方法,在采用该方法的基础上对时间序列进行分类,不仅可以有效地降维、降噪,而且具有简单、直观等特点,但是该方法有可能造成信息损失并影响到分类结果的准确性.为了弥补信息损失对分类结果的影响,采用了集成学习中大多数投票方法来弥补BOP表示后的信息损失,从而提高整个分类器的效率.针对一些样本在BOP表示中都损失了相似的重要信息,以至于大多数投票无法进一步提高分类效率的问题,进一步提出了结合集成学习中AdaBoost算法,通过对训练样本权重的调整,从而达到以提高分类器性能来弥补信息损失的效果.实验结果表明,将BOP方法与集成学习相结合的方法框架,不仅能很好地处理SAX符号化表示中的信息损失问题,而且与已有方法相比,在分类准确度方面也有显著的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范明	郑州大学信息工程学院	55	376	11.0	16.0
2	张帆	华北水利水电大学信息工程学院	22	166	7.0	12.0
3	叶阳东	郑州大学信息工程学院	69	612	14.0	22.0
4	韩鹏		3	14	3.0	3.0
5	宋伟	郑州大学信息工程学院	19	43	4.0	6.0