

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、時間序列分類是時間序列數(shù)據(jù)挖掘的重要任務(wù)之一。它比普通分類問題困難的主要原因是時間序列數(shù)據(jù)長度不一致,而一般的分類算法只能處理長度相等的數(shù)據(jù)。即使是長度相等的時間序列,因為不能直接比較時間序列在相同位置上的數(shù)值,還是不能直接使用一般的分類算法。解決這幾個難點通常有兩種方法:第一,定義適合分類的距離度量,使得在此度量意義下相近的序列有相同的分類標(biāo)簽,這類方法稱為領(lǐng)域無關(guān)的方法;第二,先利用時間序列中前后數(shù)據(jù)的依賴關(guān)系建立模型,再利用模型參
2、數(shù)來表示每條序列,最后用一般的分類算法進行訓(xùn)練和分類,這類方法稱為領(lǐng)域相關(guān)的方法。
本論文分別從這兩方面進行了研究,針對這兩類方法提出了相應(yīng)的改進方法,并對提出的兩類改進算法進行了比較研究。主要工作有:
(1)人們常常會用不同的“分辨率”來分析時間序列數(shù)據(jù),而基于點距離的度量不具備這種的能力,無法有效反映不同時間尺度下時間序列的相似性。時間序列分類的第一類方法目前大都是基于點距離的方法,對股票價格這種人們比較
3、關(guān)心走勢的時間序列的分析存在不足。變化趨勢反映了時間序列的動態(tài)特性,具有更高的使用價值。本論文針對已有的時間序列趨勢化表示算法TR對時間序列信息描述不完整的缺陷,提出了基于均值的時間序列趨勢化算法ITR,并重新定義了距離度量方法。該距離度量結(jié)合了趨勢距離和點距離的優(yōu)勢,比傳統(tǒng)的趨勢化算法提供了更多的描述信息,因而能夠獲得比傳統(tǒng)的趨勢化算法更精確的結(jié)果。實驗結(jié)果表明,基于均值的趨勢距離度量的分類器比基于傳統(tǒng)趨勢距離度量的分類器具有更高的分
4、類精度。
(2)時間序列分類的第二類方法當(dāng)前大多是采用(主成分分析)PCA、(保局部投影)LPP等對1-NN分類器進行優(yōu)化。通過LPP得到的映射簡單并且是線性的,能夠表示數(shù)據(jù)的非線性結(jié)構(gòu),因此LPP算法應(yīng)用廣泛。然而LPP算法是一種無監(jiān)督的學(xué)習(xí)算法,未能充分地利用樣本的類別信息,求取的并不是判別意義上的最優(yōu)的投影向量,而且所找出的投影矩陣的列向量并不是兩兩正交的,數(shù)據(jù)重構(gòu)比較困難。本論文通過引入LDA(線性判別分析)的思想
5、,充分利用樣本的類別信息,求取判別意義上最優(yōu)的投影向量,將LPP算法擴展為一種有監(jiān)督的學(xué)習(xí)算法,同時采用一種簡單的正交化方法使投影矩陣的列向量兩兩正交,消除冗余特征,從而獲得更好的1-NN分類器。
(3)長期以來,研究者往往只傾向于使用其中的某一類算法,而對這兩類算法的對比研究卻比較缺乏。我們采用豐富的分類數(shù)據(jù)集對提出的算法ITR和SLDPP進行了深入的比較和分析。通過比較,我們發(fā)現(xiàn)領(lǐng)域相關(guān)的算法SLDPP+1NN比較有優(yōu)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 時間序列分類算法研究.pdf
- 基于Shapelet的時間序列分類方法研究.pdf
- 多維時間序列分類技術(shù).pdf
- 基于高斯過程的時間序列分類.pdf
- 基于增量式的時間序列分類算法研究.pdf
- 面向時間序列分類任務(wù)的SAX方法研究.pdf
- 時間序列數(shù)據(jù)轉(zhuǎn)換及分類算法研究.pdf
- 基于分段矢量量化的時間序列分類研究.pdf
- 對醫(yī)學(xué)時間序列數(shù)據(jù)ABP的分類研究.pdf
- 1022.多維時間序列的分類技術(shù)研究
- 基于離散余弘變換的時間序列分類問題研究.pdf
- 時間序列數(shù)據(jù)分類、檢索方法及應(yīng)用研究.pdf
- 面向不確定時間序列的分類方法.pdf
- 基于商空間的多因素時間序列分類預(yù)測.pdf
- 基于函數(shù)系數(shù)自回歸的非線性時間序列分類.pdf
- 基于時間序列分析的GPR數(shù)據(jù)特征提取與模式分類研究.pdf
- 時間序列異常檢測的研究.pdf
- 基于時間序列的多分類器集成財務(wù)困境預(yù)測動態(tài)建模研究.pdf
- 時間序列
- MODIS時間序列數(shù)據(jù)輔助下的河北省土地覆被分類研究.pdf
評論
0/150
提交評論