基于高斯過程的時(shí)間序列分類.pdf

1、時(shí)間序列數(shù)據(jù)大量存在于生活中的各個(gè)方面,對(duì)于時(shí)間序列數(shù)據(jù)特性的挖掘研究,具有重要的科學(xué)理論意義和工程應(yīng)用價(jià)值。本文針對(duì)時(shí)間序列數(shù)據(jù)以及時(shí)序數(shù)據(jù)的異常檢測問題進(jìn)行了相關(guān)研究,引入了半監(jiān)督學(xué)習(xí)和單類分類思想,結(jié)合高斯過程機(jī)器學(xué)習(xí)方法,構(gòu)建了半監(jiān)督高斯過程時(shí)間序列分類和單類高斯過程時(shí)間序列異常檢測模型,應(yīng)用于時(shí)序數(shù)據(jù)集的挖掘中,并通過實(shí)驗(yàn)進(jìn)行了驗(yàn)證。
　　首先,在傳統(tǒng)的高斯過程分類模型的基礎(chǔ)上,提出了一種半監(jiān)督高斯過程時(shí)間序列分類算法(

2、SGPTC)。本文分析了時(shí)間序列數(shù)據(jù)的特性,進(jìn)行了時(shí)間序列相似性特征度量,然后算法利用標(biāo)記數(shù)據(jù)樣本和未標(biāo)記數(shù)據(jù)樣本構(gòu)造半監(jiān)督訓(xùn)練集,同時(shí)對(duì)分類訓(xùn)練置信度的值進(jìn)行了選擇判斷,將得到的訓(xùn)練集用于半監(jiān)督分類器的構(gòu)造,直到獲得最優(yōu)的SGPTC分類模型。最后在仿真數(shù)據(jù)集和UCI時(shí)序數(shù)據(jù)集上驗(yàn)證了算法的有效性。
　　其次,針對(duì)特殊應(yīng)用領(lǐng)域中異常樣本難以獲取的問題,結(jié)合單類分類思想,提出了一種基于單類高斯過程的時(shí)間序列異常檢測算法(OCC_GP

3、)。該算法結(jié)合高斯過程先驗(yàn)和回歸理論,選取 RBF作為核函數(shù),通過對(duì)目標(biāo)類時(shí)序數(shù)據(jù)的特性分析構(gòu)造特征向量集,指導(dǎo)單類分類器的構(gòu)造。在仿真數(shù)據(jù)集和TE工業(yè)過程時(shí)序數(shù)據(jù)集上驗(yàn)證了OCC_GP算法適用性及其在異常檢測應(yīng)用中的有效性。
　　最后,結(jié)合時(shí)序數(shù)據(jù)和高斯過程特性,本文設(shè)計(jì)實(shí)現(xiàn)了基于時(shí)間序列特性的半監(jiān)督高斯分類與時(shí)序異常檢測原型系統(tǒng),該系統(tǒng)不但證明了SGPTC分類模型和 OCC_GP異常檢測算法的可行性,而且還設(shè)計(jì)實(shí)現(xiàn)了相應(yīng)的對(duì)比