時間序列分類和不平衡數(shù)據(jù)分布是實際應(yīng)用中普遍存在的問題。時間序列存在數(shù)據(jù)維度高、數(shù)據(jù)之間相關(guān)性強和噪聲干擾多等特點,而不平衡數(shù)據(jù)學(xué)習(xí)則更加強調(diào)分類器對少數(shù)類樣本的識別能力。這兩個問題在實際應(yīng)用中容易產(chǎn)生交集,成為更具有挑戰(zhàn)性的不均衡時間序列分類(Imbalanced Time Series Classification,ITSC)問題。現(xiàn)有的針對ITSC問題的解決方法以重采樣方法的優(yōu)化為主,但是由于時間序列數(shù)據(jù)結(jié)構(gòu)上的復(fù)雜性使采樣過程變得更加困難。在時間序列分類方面,2018年提出的通用集成學(xué)習(xí)算法HIVE-COTE在公共時間序列數(shù)據(jù)集上取得了最好的分類效果,但是該算法處理的對象是類分布平衡的時間序列數(shù)據(jù)集,在面對不平衡時間序列分類和大規(guī)模時間序列分類問題時,該算法的分類效果并不令人滿意。在這一背景下,本文從以下三個方面展開研究工作。一、不平衡時序數(shù)據(jù)子序列質(zhì)量評價指標(biāo)的改進(jìn)針對不平衡時間序列中子序列選擇影響分類質(zhì)量的問題,分析信息增益值在不平衡數(shù)據(jù)集上的不適用性,并分別結(jié)合在不平衡數(shù)據(jù)集上應(yīng)用較為廣泛的AUC值和AUCPR值兩個評價指標(biāo),對子序列質(zhì)量的評價指標(biāo)進(jìn)行了改進(jìn)。同時,選取時...

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 論文結(jié)構(gòu)
    1.5 本章小結(jié)
2 相關(guān)工作
    2.1 不平衡數(shù)據(jù)分類質(zhì)量評價指標(biāo)概述
    2.2 不平衡分類方法概述
    2.3 集成學(xué)習(xí)理論概述
    2.4 分布式計算平臺簡介
    2.5 本章小結(jié)
3 不平衡時序數(shù)據(jù)子序列質(zhì)量評價指標(biāo)的改進(jìn)
    3.1 引言
    3.2 相關(guān)符號與定義
    3.3 信息增益值對不平衡時序的不適用性分析
    3.4 針對子序列質(zhì)量評價指標(biāo)的改進(jìn)
    3.5 實驗結(jié)果與分析
    3.6 本章小結(jié)
4 不平衡時間序列集成分類算法研究
    4.1 引言
    4.2 相關(guān)算法介紹
    4.3 結(jié)合BOOSTING和 SMOM采樣的ST..HESCA組件算法
    4.4 IMHIVE-COTE集成分類算法
    4.5 實驗結(jié)果與分析
    4.6 本章小結(jié)
5 不平衡時間序列并行集成分類算法研究
    5.1 引言
    5.2 IMHIVE-COTE算法的并行化流程設(shè)計
    5.3 IMHIVE-COTE組件算法的并行化實現(xiàn)
    5.4 實驗結(jié)果與分析
    5.5 本章小結(jié)
6 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集



本文編號：3873043