基于相似性连接的时间序列Shapelets提取

论文摘要

在时间序列分类问题中,以Shapelets特征为基础的分类算法具有很高的分类准确率和良好的可解释性,因此,高辨别能力Shapelets的提取已成为时间序列研究领域重要的研究热点之一.对于Shapelets提取的研究已取得了很多优秀的成果,但仍存在一些问题,主要是由于通过遍历所有子序列来获取Shapelets的方式非常耗时.尽管可以采取剪枝策略优化该过程,但往往会损失分类准确率.为此,提出一种基于相似性连接的Shapelets提取方法,该方法舍弃逐一判断子序列分类能力的策略,而是以子序列为单位,通过相似性连接的思想构建时序数据间的相似性向量.对于不同类别的时序数据,计算每一对时序数据间的差异向量,进而得到表示时序数据集中不同类别间差异的候选矩阵,然后根据候选矩阵的数值差异,快速筛选出具有高分类能力的Shapelets集合.在真实数据集上的大量实验表明:相比于现有的Shapelets提取方法,这种相似性连接方法所得到的Shapelets在分类任务中不仅具有很好的时间效率,而且能保证高分类准确率.

论文目录

• 1 相关工作
•   1.1 基于搜索策略的Shapelets提取
•   1.2 基于学习策略的Shapelets提取
• 2 相关定义与符号表示
• 3 Shapelets提取
•   3.1 关键时序数据的选择
•   3.2 候选矩阵
•     3.2.1 距离向量的快速计算
•     3.2.2 提取相似性连接向量
•     3.2.3 候选矩阵生成
•   3.3 基于候选矩阵的Shapelets提取
•   3.4 算法分析
• 4 时间序列空间变换
• 5 实验与分析
•   5.1 实验设置
•     5.1.1 数据集
•     5.1.2 方法对比
•     5.1.3 评价指标
•   5.2 提取关键时序数据对实验结果的影响
•   5.3 实验结果对比
•     5.3.1 分类准确率
•     5.3.2 运行时间比较
•   5.4 算法可扩展性
• 6 结 论

文章来源

类型: 期刊论文

作者: 张振国,王超,温延龙,袁晓洁

关键词: 时间序列,相似性连接,差异向量,候选矩阵

来源: 计算机研究与发展 2019年03期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,自动化技术

单位: 延边大学计算机科学与技术系,南开大学计算机学院,南开大学网络空间安全学院

基金: 国家自然科学基金项目(61772289),吉林省教育厅“十三五”科学技术项目(JJKH20191125KJ)~~

分类号: TP181;O211.61

页码: 594-610

总页数: 17

文件大小: 3726K

下载量: 158