时间序列半监督分类综述

绝大多数现有的时间序列分类方法需要大量已标记样本,但这样的数据非常难获得且价格昂贵。因此,当已标记样本较少时,如何使用大量无标记样本来改善分类性能已成为广受关注的问题,本文对近年来时间序列半监督分类方面的研究,从基于实例、基于聚类、基于模型的角度,进行了比较归类,为了解时间序列半监督分类的技术及发展趋势提供了参考。     

基于局部线性嵌入的时间序列聚类

时间序列聚类是时间序列数据挖掘中重要的研究内容之一。由于时间序列的维数比较大,直接对时间序列原始数据进行聚类性能不理想,如何有效的对时间序列进行维数约简,并且保持原数据集本质特征,是本论文的主要研究点。首先使用局部线性嵌入(LLE)对时间序列样本维数约简,在低维空间对维数约简后的数据进行聚类,然后将它的聚类性能与已有方法如主成分分析(PCA)、分段聚合近似(PAA)进行比较。实验表明,使用LLE更能提高聚类性能。     

带有两个确定时滞的捕食——被捕食系统的全局渐近稳定性

本文对于带有两个确定时滞的捕食——被捕食系统进行了讨论,得到了使它的正平衡点全局渐近稳定的充分条件。     

基于符号表示的时间序列分类综述

一种有效的时间序列符号表示方法不仅可以实现数据高效降维,且对噪声具有鲁棒性,对于提高分类算法的性能和效率具有重要意义。本文从基于趋势特征、基于聚类或进化计算、基于文本以及基于频率域的角度,对近年来基于符号表示的时间序列分类方法的研究进行比较归类,为研究者了解最新的符号时间序列分类方法研究动态和发展趋势提供参考。