基于shapelet的时间序列分类研究

• 作者: 李桂玲 闫汶和
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 时间序列 分类 特征提取 shapelet
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 综述
• 页码范围: 29-35
• 页数: 7页
• 分类号: TP391
• 字数: 7977字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2019.01.005

摘要

时间序列是随时间次序变化的高维实值数据,广泛存在于医学、金融、监控等领域.因为传统的分类算法在时间序列上的分类效果不佳且不具备可解释性,而shapelet为时间序列中最具辨别性的连续子序列,具有可解释性,所以基于shapelet的时间序列分类已成为时间序列分类研究的热点之一.首先,通过归纳总结,将现有的时间序列shapelet发现算法分为空间搜索发现shapelet和目标函数优化学习shapelet两类,并介绍了shapelet的相关应用;然后,从分类的对象出发,重点阐述了基于shapelet的一元时间序列和多元时间序列的分类算法;最后,指出了基于shapelet的时间序列分类在未来的研究方向.