异步动态贝叶斯网络分类器研究

• 作者: 张立 王双成 郑飞
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 时间序列 动态贝叶斯网络 分类器 同步分类 异步分类
• 年，卷（期）: 2020,（9）
• 页码范围: 1737-1754
• 页数: 18页
• 分类号: TP181
• 字数: 11536字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2020.01737

摘要

时间序列数据普遍存在,对其进行分类预测有着广泛的需求.虽然有一些时间序列数据分类方面的研究,但主要是面向时序同步分类(类与属性同步变化),还需要进行更有实际意义的异步分类(类与属性不同步变化)方面的探索.本文结合时间序列的离散化、变量的时序转换、变量的错位变换、依据变量顺序和打分搜索的分类器结构学习和类变量的丢失数据修复等,建立异步动态贝叶斯网络分类器,这种分类器能够有效利用多变量时间序列数据中所蕴含的时滞、非时滞和混合分类信息,以及属性为类提供的传递依赖信息、直接导出依赖信息和间接导出依赖信息进行分类计算,来提高分类器的可靠性.分别使用UCI、金融和宏观经济时间序列数据进行实验,结果显示所建立的异步动态贝叶斯网络分类器具有良好的分类准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王双成	上海立信会计金融学院信息管理学院	65	390	10.0	15.0
5	张立	上海立信会计金融学院信息管理学院	3	1	1.0	1.0
6	郑飞	上海立信会计金融学院信息管理学院	1	0	0.0	0.0