基于shapelets学习的多元时间序列分类

• 作者: 潘志松 赵慧赟
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 多元时间序列 分类 shapelets shapelets学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 180-184,219
• 页数: 6页
• 分类号: TP311.11
• 字数: 5970字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.05.030

摘要

多元时间序列广泛存在于日常生活中的各个领域,多元时间序列分类是从时间序列数据中获取信息的基本方法.目前,时间序列分类研究面临着相似性度量方法特殊、原始数据维度高等问题,现有的多元时间序列分类方法的分类性能仍有待提高.文中提出一种基于shapelets学习的多元时间序列分类方法.首先,提出了新的正则化最小二乘损失学习框架下的shapelets学习方法,在此基础上采用基于shapelets的一元时间序列分类方法对多元时间序列的每维一元数据进行分类,随后由各维上的分类结果投票决定多元时间序列的最终分类结果.实验证明,所提方法在多元时间序列分类问题中能够取得较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘志松	陆军工程大学指挥控制工程学院	9	34	1.0	5.0
2	赵慧赟	陆军工程大学指挥控制工程学院	1	0	0.0	0.0