一种基于Shapelets的懒惰式时间序列分类算法

• 作者: 刘海洋 原继东 张伟 王志海
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 时间序列 懒惰式学习 分类 shapelets 可解释性
• 年，卷（期）: 2019,（1）
• 页码范围: 29-43
• 页数: 15页
• 分类号: TP311
• 字数: 12930字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2019.00029

摘要

近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴别性;与此同时,普通模型往往忽略了待分类实例所具有的局部特征.为此,我们提出了一种依据待分类实例显著局部特征的懒惰式分类模型.这种模型为每个待分类实例构建各自的数据驱动的懒惰式shapelets分类模型,从而逐步缩小了与其分类相关的时间序列搜索空间,使得所获得的shapelets能够直接反映待分类实例的显著局部特征.实验结果表明该文提出的模型具有较高的准确率和更强的可解释性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志海	北京交通大学计算机与信息技术学院	64	491	11.0	20.0
2	原继东	北京交通大学计算机与信息技术学院	11	145	5.0	11.0
3	张伟	北京交通大学计算机与信息技术学院	17	83	4.0	8.0
4	刘海洋	北京交通大学计算机与信息技术学院	6	31	3.0	5.0