计算机研究与发展

作者：张振国,王超,温延龙,袁晓洁,

关键词：时间序列, Shapelets, 相似性连接, 差异向量, 候选矩阵,

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.

来源：2019年第3期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2019年第3期