【摘要】：時間序列數(shù)據(jù)廣泛地存在于生產(chǎn)生活的各個方面,其反映了事物不易直接觀察的內(nèi)部狀態(tài)。與傳統(tǒng)分類有所不同,時間序列分類過程中各個屬性之間都是有次序關(guān)系的,因此時間序列分類問題具有挑戰(zhàn)性。在時間序列分類過程中,如何高效地對時間序列數(shù)據(jù)進行特征提取并根據(jù)數(shù)據(jù)特征建立相應的分類器從而提高分類的準確率成為時間序列分類領(lǐng)域的關(guān)鍵問題。本文首先對于時間序列的分類算法研究現(xiàn)狀進行了總結(jié),接著分析了現(xiàn)有時間序列的特征提取與分類算法存在問題。在目前的算法中,基于實例的學習方法存在速度較慢,不適合對海量的數(shù)據(jù)處理的問題;而基于模型的時間序列分類算法一般需要數(shù)據(jù)的先驗知識;同時時間序列的集成算法時間與空間復雜度較高,這樣就限制了其使用環(huán)境。針對以上問題,本文從時間序列特征提取與時間序列分類兩個大方面展開了研究,主要工作包括:(1)提出了一種基于特征點檢測的時間序列特征提取算法,將時間序列從原始的高維空間轉(zhuǎn)換到低維的特征空間,且在轉(zhuǎn)換過程中保持了數(shù)據(jù)的特征。該算法將圖像領(lǐng)域的局部特征算法應用到時間序列數(shù)據(jù)中,以提取時間序列數(shù)據(jù)中的特征點,利用提取的特征點周圍的關(guān)鍵子序列生成局部特征向量集合,并對特征向量加權(quán)、篩選,最終實現(xiàn)了特征提取和數(shù)據(jù)降維。與傳統(tǒng)的算法相比,本文提出的特征點檢測算法時間復雜度是線性的,并支持增量更新,方便應用于大規(guī)模數(shù)據(jù)集,并且提取到的特征都具有辨別性,算法各個過程都可由人工靈活控制。實驗中將該特征提取算法與分類算法相結(jié)合,結(jié)果表明該算法能夠提高分類算法的準確率。(2)設(shè)計了基于尺度空間的時間序列集成分類算法,該算法結(jié)合尺度空間理論豐富了訓練分類器所使用的訓練集,使得訓練數(shù)據(jù)集不僅包含原始信息,還包含了變化趨勢等信息;在結(jié)構(gòu)上,該集成算法分為多個層級,分類器按一定順序逐層訓練,在訓練多層分類器過程中不斷的拓展訓練數(shù)據(jù)集的特征空間,來實現(xiàn)特征信息逐級傳遞,最終層級的分類器輸出最終的分類結(jié)果。與傳統(tǒng)集成算法相比,本算法各層級之間不再獨立,并且可以靈活地更換基分類器種類,也能通過限制層級數(shù)來控制算法時間與空間復雜度,拓寬了使用環(huán)境。在實驗中,該集成算法與本文提出的特征提取算法結(jié)合使得分類器準確率得到提高。
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;O211.61
【圖文】：

圖0，日洲.，日20創(chuàng)o1白圍】

據(jù)的分類來判斷人的健康狀況；根據(jù)用電量變化曲線圖來判斷人的生活習慣；根逡逑據(jù)天氣的各種指標來進行天氣狀況的預測等，部分其他數(shù)據(jù)也可以轉(zhuǎn)換為時間序逡逑列數(shù)據(jù)，從而使用時間序列處理方法去解決其他類型問題。如圖１－１所示太陽黑子逡逑的活動情況變化曲線，根據(jù)該時間序列曲線，可以得到太陽某段時間內(nèi)活動狀況；逡逑圖１－２展示了將物體圖像數(shù)據(jù)轉(zhuǎn)換為時間序列數(shù)據(jù)，從而可以根據(jù)產(chǎn)生的時間序列逡逑數(shù)據(jù)對于物體進行分類。逡逑時間序列分類任務同時也是時間序列數(shù)據(jù)應用的一個分支，己經(jīng)在數(shù)據(jù)挖掘逡逑領(lǐng)域引起了重大關(guān)注，并且在生活中有重大的應用，但時間序列分類是項有挑戰(zhàn)逡逑的任務，原因有以下幾點：逡逑（１）

邐時間序列分類算法研宄現(xiàn)狀綜述逡逑集成的總體結(jié)構(gòu)如圖２－２所示，一般包括用于訓練弱分類器數(shù)據(jù)子集的生成，多個逡逑弱分類器的訓練和分類輸出組合這三個關(guān)鍵步驟。逡逑Ｉ基分類器逡逑＾一分類器１邐纟邐｜逡逑數(shù)據(jù)集ｆ邐分類器２邋ｈ￣￣Ｊ邐Ｓｉ－邐ｈ￣￣？［輸出逡逑＾分類器《邋ｆ逡逑Ｉ邐１逡逑圖２－２經(jīng)典的分類器集成架構(gòu)逡逑Ｆｉｇｕｒｅ邋２－２邋Ｃｏｍｍｏｎ邋ｅｎｓｅｍｂｌｅ邋ａｒｃｈｉｔｅｃｔｕｒｅ逡逑集成算法的分類標準有多種，分別從不Q嫷慕嵌冉娑》擲啵疚慕傷惴ㄥ義習湊棧擲嗥餮盜返姆絞椒治嚼啵哄義希ǎ保

本文編號：2753224