基于组合Shapelets的时间序列分类方法研究

论文摘要

时间序列是一种按时间顺序排列的并且具有“海量”、“高维”、“不断更新”等特点的数据,由于时间序列应用的广泛性,因此对于时间序列的分析研究引起了大量学者的关注。目前时间序列分析在数据挖掘、机器学习等领域有着重要的影响力,并被评为21世纪数据挖掘领域十大最具挑战性的问题之一。作为时间序列研究中的一个热点问题,时间序列分类有着广泛的应用场景。例如在制造领域可以利用时间序列分类结果实现机器运行的异常检测,在医学领域可以借助心电图的分类结果实现心脏类疾病的识别等等。但由于时间序列具有“海量”、“高维度”、“不断更新”等特点,因此传统的数据挖掘方法在时间序列的分类问题上具有较大的局限性。针对已有时间序列处理方法上存在的问题,本文拟对时间序列分析中的两个主要问题:时间序列的特征提取及表示和时间序列分类进行研究。本文主要工作和创新点包括:1.针对时间序列数据量大、维度高的特点本文利用时间序列的趋势分段点,并通过计算分段拟合误差来实现对于时间序列的特征提取和分段线性表示。实验证明该方法在有效降低时间序列维度的同时可以保留时间序列局部和整体的趋势特征,并为提升时间序列分类的效率打下基础。2.Shapelet是时间序列中具有很高区分度的一个子序列,利用shapelet可以很好的区分不同类别的时间序列,并且分类结果具有可解释性。针对目前寻找shapelet效率低的问题,本文利用时间序列重要分段点对时间序列子序进行过滤,并对过滤后的子序列进行信息增益的计算和评价。实验结果证明利用分段重要点过滤子序列可以有效提升shapelet的发现效率并保证时间序列的分类准确率。3.针对经典shapelet在一些分类问题中表现力不足的情况,本文通过组合多shapelets来实现时间序列的分类,该方法继承和扩充了(2)中所提出的快速shapelet发现算法,在对过滤后的时间序列子序列进行评价后,利用组合算法对候选shapelet进行组合。实验证明该方法通过组合shapelets有效提升了shapelets的辨别能力和分类准确率。

论文目录

文章来源

类型: 硕士论文

作者: 纵焱

导师: 刘厚泉

关键词: 时间序列分类,时间序列特征表示,可解释性

来源: 中国矿业大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 中国矿业大学

分类号: O211.61

总页数: 68

文件大小: 2056K

下载量: 87

相关论文文献

• [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
• [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
• [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
• [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
• [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
• [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
• [7].王嵬作品[J]. 当代油画 2017(07)
• [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
• [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
• [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
• [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
• [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
• [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
• [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
• [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
• [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
• [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
• [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
• [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
• [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
• [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
• [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
• [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
• [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
• [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
• [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
• [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
• [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
• [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
• [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)

标签：时间序列分类论文;  时间序列特征表示论文;  可解释性论文;