基于BP和朴素贝叶斯的时间序列分类模型

• 作者: 王会青 白莹莹 郭芷榕
• 来源期刊: 计算机应用研究
• 关键词: 时序序列 BP神经网络 朴素贝叶斯 特征抽取
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2271-2274,2278
• 页数: 5页
• 分类号: TP393
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.02.0081

摘要

针对传统时间序列分类方法需要较为繁琐的特征抽取工作以及在只有少量标记数据时分类效果不佳的问题,通过分析BP神经网络和朴素贝叶斯分类器的特点,提出一种基于BP和朴素贝叶斯的时间序列分类模型.利用BP神经网络非线性映射能力和朴素贝叶斯分类器在少量标记数据下的分类能力,将BP神经网络抽取到的特征输入到朴素贝叶斯分类器中,可以较为有效地解决传统时间序列分类算法的问题.实验结果表明,该模型在标记数据较少情况下的时间序列分类中具有较高的分类准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王会青	太原理工大学信息与计算机学院	19	202	7.0	14.0
2	郭芷榕	太原理工大学信息与计算机学院	4	5	2.0	2.0
3	白莹莹	太原理工大学信息与计算机学院	4	5	2.0	2.0