近些年,时间序列分类问题研究受到了越来越多的关注。基于 shapelets的时间序列分类技术是一种有效的方法。然而,其在提取最优 shapelet的过程中要建立包含大量冗余元素的候选 shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴别性;与此同时,普通模型往往忽略了待分类实例所具有的局部特征。为此,我们提出了一种依据待分类实例显著局部特征的懒惰式分类模型。这种模型为每个待分类实例构建各自的数据驱动的懒惰式 shapelets分类模型,从而逐步缩小了与其分类相关的时间序列搜索空间,使得所获得的 shapelets能够直接反映待分类实例的显著局部特征。实验结果表明该文提岀的模型具有较高的准确率和更强的可解释性。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !