基于趋势特征的多样化top-k shapelet分类方法

　　Shapelet是一种具有辨识性的时间序列予序列，通过识别局部特征达到对时间序列准确分类的目的。原始shapelet发现算法效率较低，大量工作关注于提高shapelet发现的效率。然而，对于带有趋势变化的时间序列，采用典型的时间序列表示方法进行shapelet发现，容易造成序列中趋势信息的丢失。为了解决时间序列趋势信息丢失的问题，提出一种基于趋势特征的多样化top-k shapelet分类方法：首先采用趋势特征符号化方法对时间序列的趋势信息进行表示；然后针对序列的趋势特征符号获取shapelet候选集合；最后通过引入多样化top-k查询算法从候选集中选取五个最具代表性的shapelets。在时间序列的分类实验中，与传统分类算法相比，所提方法在11个数据集上的分类准确率均有提升；与FastShapelet算法相比，提升了运行效率，缩短了算法的运行时间，并在趋势信息明显的数据上效果显著。结果表明，所提方法能有效提高时间序列的分类准确率，提升算法运行效率。