本文選題：shapelet　切入點(diǎn)：趨勢(shì)特征　出處：《計(jì)算機(jī)應(yīng)用》2017年08期 　論文類型：期刊論文

【摘要】：Shapelet是一種具有辨識(shí)性的時(shí)間序列子序列,通過(guò)識(shí)別局部特征達(dá)到對(duì)時(shí)間序列準(zhǔn)確分類的目的。原始shapelet發(fā)現(xiàn)算法效率較低,大量工作關(guān)注于提高shapelet發(fā)現(xiàn)的效率。然而,對(duì)于帶有趨勢(shì)變化的時(shí)間序列,采用典型的時(shí)間序列表示方法進(jìn)行shapelet發(fā)現(xiàn),容易造成序列中趨勢(shì)信息的丟失。為了解決時(shí)間序列趨勢(shì)信息丟失的問(wèn)題,提出一種基于趨勢(shì)特征的多樣化top-k shapelet分類方法:首先采用趨勢(shì)特征符號(hào)化方法對(duì)時(shí)間序列的趨勢(shì)信息進(jìn)行表示;然后針對(duì)序列的趨勢(shì)特征符號(hào)獲取shapelet候選集合;最后通過(guò)引入多樣化top-k查詢算法從候選集中選取k個(gè)最具代表性的shapelets。在時(shí)間序列的分類實(shí)驗(yàn)中,與傳統(tǒng)分類算法相比,所提方法在11個(gè)數(shù)據(jù)集上的分類準(zhǔn)確率均有提升;與Fast Shapelet算法相比,提升了運(yùn)行效率,縮短了算法的運(yùn)行時(shí)間,并在趨勢(shì)信息明顯的數(shù)據(jù)上效果顯著。結(jié)果表明,所提方法能有效提高時(shí)間序列的分類準(zhǔn)確率,提升算法運(yùn)行效率。
[Abstract]:Shapelet is an identifiable subsequence of time series, which can accurately classify time series by recognizing local features. The original shapelet discovery algorithm is inefficient, and a lot of work is focused on improving the efficiency of shapelet discovery. In order to solve the problem of trend information loss in time series, the typical time series representation method is used for shapelet discovery, which is easy to cause the loss of trend information in time series. In this paper, a new method of top-k shapelet classification based on trend feature is proposed. Firstly, trend feature symbolization is used to represent the trend information of time series, and then the shapelet candidate set is obtained according to the trend feature symbol of the sequence. Finally, by introducing a variety of top-k query algorithms to select the most representative shapelets from the candidate set, the classification accuracy of the proposed method in 11 datasets is improved compared with the traditional classification algorithm in the experiment of time series classification. Compared with the Fast Shapelet algorithm, the algorithm improves the running efficiency, shortens the running time of the algorithm, and has a remarkable effect on the data with obvious trend information. The results show that the proposed method can effectively improve the classification accuracy of time series. Improve the efficiency of the algorithm.
【作者單位】： 中國(guó)礦業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFC060908) 國(guó)家自然科學(xué)基金資助項(xiàng)目(61402482,61572505,52674255) 江蘇省自然科學(xué)基金資助項(xiàng)目(BK20140192)~~
【分類號(hào)】：O211.61

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時(shí)間序列分類方法[J];計(jì)算機(jī)應(yīng)用;2017年02期

2 原繼東;王志海;韓萌;;基于Shapelet剪枝和覆蓋的時(shí)間序列分類算法[J];軟件學(xué)報(bào);2015年09期

3 Hong YIN;Shu-qiang YANG;Xiao-qian ZHU;Shao-dong MA;Lu-min ZHANG;;基于趨勢(shì)特征的時(shí)間序列符號(hào)化方法（英文）[J];Frontiers of Information Technology & Electronic Engineering;2015年09期

【共引文獻(xiàn)】

相關(guān)期刊論文 前4條

1 閆欣鳴;孟凡榮;閆秋艷;;基于趨勢(shì)特征表示的shapelet分類方法[J];計(jì)算機(jī)應(yīng)用;2017年08期

2 余思琴;閆秋艷;閆欣鳴;;基于最佳u-shapelets的時(shí)間序列聚類算法[J];計(jì)算機(jī)應(yīng)用;2017年08期

3 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時(shí)間序列分類方法[J];計(jì)算機(jī)應(yīng)用;2017年02期

4 林毅;張建偉;劉洪;;基于二次代碼集的飛行計(jì)劃配對(duì)算法研究[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2016年05期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 原繼東;王志海;韓萌;;基于Shapelet剪枝和覆蓋的時(shí)間序列分類算法[J];軟件學(xué)報(bào);2015年09期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 施久玉,杜金觀;有限個(gè)狀態(tài)時(shí)間序列的某些結(jié)果[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);1990年01期

2 王霞,郭嗣琮,劉淑娟;時(shí)間序列模糊滑動(dòng)預(yù)測(cè)[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年03期

3 溫品人;時(shí)間序列預(yù)測(cè)法的實(shí)際應(yīng)用分析[J];江蘇廣播電視大學(xué)學(xué)報(bào);2001年06期

4 許清海;混沌投資時(shí)間序列的嬗變[J];漳州師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年01期

5 程毛林;時(shí)間序列系統(tǒng)建模預(yù)測(cè)的一種新方法[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2004年08期

6 高潔;長(zhǎng)記憶時(shí)間序列適應(yīng)性預(yù)測(cè)的應(yīng)用[J];江南大學(xué)學(xué)報(bào);2004年05期

7 高潔;孫立新;;長(zhǎng)記憶時(shí)間序列的適應(yīng)性預(yù)測(cè)誤差的譜密度[J];統(tǒng)計(jì)與決策;2006年13期

8 楊鐘瑾;;淺談時(shí)間序列的分析預(yù)測(cè)[J];中國(guó)科技信息;2006年14期

9 李健;孫廣中;許胤龍;;基于時(shí)間序列的預(yù)測(cè)模型應(yīng)用與異常檢測(cè)[J];計(jì)算機(jī)輔助工程;2006年02期

10 耿顯民;;價(jià)格時(shí)間序列及其應(yīng)用(英文)[J];數(shù)學(xué)季刊;2008年01期

相關(guān)會(huì)議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時(shí)間序列預(yù)報(bào)方法及其應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

2 盧世坤;李夕海;牛超;陳蛟;;時(shí)間序列的非線性非平穩(wěn)特性研究綜述[A];國(guó)家安全地球物理叢書（八）——遙感地球物理與國(guó)家安全[C];2012年

3 李強(qiáng);;基于線性模型方法對(duì)時(shí)間序列中異常值的檢測(cè)及證券實(shí)證分析[A];加入WTO和中國(guó)科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（上冊(cè)）[C];2002年

4 戴麗金;何振峰;;基于云模型的時(shí)間序列相似性度量方法[A];第八屆中國(guó)不確定系統(tǒng)年會(huì)論文集[C];2010年

5 謝美萍;趙希人;莊秀龍;;多維非線性時(shí)間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];1999年

6 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時(shí)間序列化[A];科學(xué)決策與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第六次年會(huì)論文集[C];1990年

7 劉瓊;任福繼;;股市預(yù)測(cè)算法及分析結(jié)果的自然語(yǔ)言生成[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國(guó)科協(xié)第五屆青年學(xué)術(shù)年會(huì)論文集[C];2004年

8 蔣斌松;韓立軍;賀永年;;時(shí)間序列Lyapunov指數(shù)的估算及預(yù)測(cè)[A];礦山建設(shè)工程新進(jìn)展——2005全國(guó)礦山建設(shè)學(xué)術(shù)會(huì)議文集（下冊(cè)）[C];2005年

9 王會(huì)琦;馬洪;周永道;;基于信息融合的時(shí)間序列RAKE預(yù)測(cè)[A];全國(guó)第十屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)年會(huì)論文集[C];2006年

10 盧世坤;李夕海;牛超;;基于AR模型-互信息量的時(shí)間序列非線性度量[A];國(guó)家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國(guó)家安全[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 翁同峰;時(shí)間序列與復(fù)雜網(wǎng)絡(luò)之間等價(jià)性問(wèn)題及表征應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

2 原繼東;時(shí)間序列分類算法研究[D];北京交通大學(xué);2016年

3 盧偉;基于粒計(jì)算的時(shí)間序列分析與建模方法研究[D];大連理工大學(xué);2015年

4 胡建明;基于正則化核學(xué)習(xí)模型的時(shí)間序列多步預(yù)測(cè)的研究與應(yīng)用[D];蘭州大學(xué);2016年

5 王曉曄;時(shí)間序列數(shù)據(jù)挖掘中相似性和趨勢(shì)預(yù)測(cè)的研究[D];天津大學(xué);2003年

6 李桂玲;時(shí)間序列的分割及不一致發(fā)現(xiàn)研究[D];華中科技大學(xué);2012年

7 周勇;時(shí)間序列時(shí)序關(guān)聯(lián)規(guī)則挖掘研究[D];西南財(cái)經(jīng)大學(xué);2008年

8 張勇;時(shí)間序列模式匹配技術(shù)研究[D];華中科技大學(xué);2012年

9 董曉莉;時(shí)間序列數(shù)據(jù)挖掘相似性度量和周期模式挖掘研究[D];天津大學(xué);2007年

10 許娜;時(shí)間序列的分形及其混沌分析[D];北京交通大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 蘭鑫;時(shí)間序列的復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學(xué);2015年

2 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測(cè)方法[D];南京信息工程大學(xué);2015年

3 高雄飛;基于分形理論的土壤含水量時(shí)間序列特性分析[D];長(zhǎng)安大學(xué);2015年

4 郭力萌;基于統(tǒng)計(jì)信號(hào)處理的時(shí)間序列預(yù)測(cè)模型選擇方法研究[D];哈爾濱工業(yè)大學(xué);2015年

5 劉鑫;基于復(fù)雜網(wǎng)絡(luò)理論的心電時(shí)間序列自回歸模型研究[D];復(fù)旦大學(xué);2014年

6 夏斐;基于動(dòng)態(tài)規(guī)劃和DTW匹配的時(shí)間序列索引方法研究[D];大連理工大學(xué);2015年

7 王維;基于傳統(tǒng)模型與數(shù)據(jù)挖掘法對(duì)長(zhǎng)記憶時(shí)序的研究[D];南京大學(xué);2014年

8 張寧;離散值時(shí)間序列的統(tǒng)計(jì)分析[D];南京大學(xué);2015年

9 趙銀玲;復(fù)雜網(wǎng)絡(luò)到時(shí)間序列轉(zhuǎn)換過(guò)程中矩陣特性的研究[D];哈爾濱工業(yè)大學(xué);2014年

10 劉天慧;基于智能算法的時(shí)間序列預(yù)測(cè)方法研究[D];青島理工大學(xué);2015年

，

本文編號(hào)：1642047