在弱标记的传感器时间序列上基于突变的事件分类

• 作者: 汪卫 汪雅雯 王鹏
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 时间序列 分类 传感器数据 弱标记
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 算法
• 页码范围: 198-203,211
• 页数: 7页
• 分类号: TP3
• 字数: 4951字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.07.037

摘要

随着传感器广泛应用于各个领域,在传感器生成的时间序列上识别事件越来越受到广泛的关注.针对震荡的传感器时间序列,提出事件分类算法BEC.对于原始长时间序列和标记时间点作为类标签,BEC主要解决了两个问题.首先是将标记时间点扩展为包含充分信息的子序列以分类,再者是提取基于突变的特征以训练分类模型.实验结果证明,无需大部分时间序列分类问题中不现实的假设和太多人力干预,BEC提取的基于突变的特征能够充分描述事件,极大保留事件中关键信息,在现实数据集上的表现优于现有的时间序列分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鹏	复旦大学计算机科学技术学院	64	321	10.0	15.0
2	汪卫	复旦大学计算机科学技术学院	100	1152	16.0	29.0
3	汪雅雯	复旦大学计算机科学技术学院	1	0	0.0	0.0