小时间序列的动态朴素贝叶斯分类器学习与优化

• 作者: 杜瑞杰 王双成 高瑞
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 贝叶斯网络 分类器 时间序列 高斯核函数 平滑参数
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 短文
• 页码范围: 163-166
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2015.1556

摘要

小时间序列在宏观经济领域普遍存在，对小时间序列的分类预测也有着广泛的需求。由于小时间序列蕴含的信息不充分，有效地提高小时间序列分类预测的可靠性非常困难，目前也缺少这方面的研究。针对这种情况，在基于引入平滑参数的高斯核函数估计属性边缘密度的基础上，建立用于小时间序列分类预测的动态朴素贝叶斯分类器，并给出平滑参数的同步和异步优化方法。实验结果表明，优化能够显著提高小时间序列分类预测的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王双成	上海立信会计学院数学与信息学院	65	390	10.0	15.0
5	杜瑞杰	上海立信会计学院数学与信息学院	12	127	5.0	11.0
6	高瑞	上海立信会计学院数学与信息学院	10	64	5.0	7.0