時間序列數(shù)據(jù)普遍存在于生產(chǎn)生活中,挖掘其中蘊含的信息對農(nóng)業(yè)、工業(yè)、經(jīng)濟等行業(yè)決策具有重要的參考意義。時間序列分類問題是時間序列數(shù)據(jù)挖掘中一個重要的分支,同時也是其他挖掘任務(wù)的基礎(chǔ)。傳統(tǒng)的分類方法一般需要大量的已標記數(shù)據(jù),通過大量已標記的數(shù)據(jù)的訓(xùn)練才能使分類器達到較高的分類效果。但標記數(shù)據(jù)的獲得,常常需要耗費大量的時間和人力。同時,在現(xiàn)實應(yīng)用中,一般存在大量未標記序列數(shù)據(jù),這些未標記序列數(shù)據(jù)中也蘊含著數(shù)據(jù)分布信息。基于半監(jiān)督學(xué)習(xí)的方法在標記數(shù)據(jù)較少的情況下,能通過未標記序列數(shù)據(jù)來構(gòu)建具有較高分類準確率的分類器,大大地減少了人為標記所帶來的時間和精力消耗。此外傳統(tǒng)時間序列分類方法一般需要進行較為繁瑣的特征抽取工作,比較影響最終分類方法的效率。BP神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)較為復(fù)雜的非線性映射,較為方便地從原始數(shù)據(jù)中抽取特征表示,具有自學(xué)習(xí)能力和一定的概括能力。鑒于此,為了充分利用未標記序列數(shù)據(jù),本文改進了一種半監(jiān)督學(xué)習(xí)算法,并結(jié)合BP神經(jīng)網(wǎng)絡(luò),開展基于BP神經(jīng)網(wǎng)絡(luò)和半監(jiān)督學(xué)習(xí)的時間序列分類模型研究。研究內(nèi)容如下:(1)總結(jié)了時間序列分類問題中的基礎(chǔ)理論和相關(guān)算法,介紹并分析了半監(jiān)督學(xué)習(xí)的目的與相關(guān)算...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 時間序列分類研究
        1.2.2 時間序列中的半監(jiān)督學(xué)習(xí)分類算法
    1.3 本文主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 時間序列分析及分類研究基礎(chǔ)
    2.1 時間序列相關(guān)定義
    2.2 相似性度量
    2.3 時間序列分類模型及其應(yīng)用
        2.3.1 基于相似性的分類算法
        2.3.2 基于特征的分類算法
        2.3.3 基于神經(jīng)網(wǎng)絡(luò)的分類算法
    2.4 半監(jiān)督分類算法
    2.5 本章小結(jié)
第三章 一種改進的半監(jiān)督分類算法
    3.1 半監(jiān)督學(xué)習(xí)在一類分類問題上的擴展——PU學(xué)習(xí)
    3.2 基于自主訓(xùn)練的半監(jiān)督分類算法
    3.3 一種改進的半監(jiān)督分類算法
        3.3.1 自主訓(xùn)練算法的改進——k-absorb算法
        3.3.2 基于PU學(xué)習(xí)和k-absorb的半監(jiān)督分類算法
    3.4 實驗與分析
        3.4.1 實驗環(huán)境與數(shù)據(jù)
        3.4.2 實驗結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于BP神經(jīng)網(wǎng)絡(luò)和半監(jiān)督學(xué)習(xí)的時間序列分類模型
    4.1 一種基于BP和樸素貝葉斯的BP_NB分類算法
        4.1.1 樸素貝葉斯分類器
        4.1.2 BP神經(jīng)網(wǎng)絡(luò)
        4.1.3 BP_NB時間序列分類算法
    4.2 基于BP神經(jīng)網(wǎng)絡(luò)和半監(jiān)督學(xué)習(xí)的時間序列分類模型
        4.2.1 利用BP_NB算法訓(xùn)練基準分類器
        4.2.2 利用k-absorb算法擴大標記序列集
        4.2.3 基于BP_NB和k-absorb的時間序列分類模型
    4.3 實驗及分析
        4.3.1 實驗環(huán)境與數(shù)據(jù)
        4.3.2 實驗結(jié)果與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間發(fā)表的論文



本文編號：3802832