基于稀疏表示的时间序列最近邻分类

提出一种基于稀疏表示的时间序列最近邻分类模型,旨在通过提取时间序列的关键特征,去除冗余信息,达到减少噪声干扰的目的.该模型首先求解时序数据基于过完备字典的稀疏表示,然后利用非零系数及其对应的原子重构原始序列,最后利用基于距离的分类器进行分类.在18个时间序列公开数据集上的实验结果表明,最近邻分类模型能够提高传统的最近邻分类器的分类准确率.     

基于趋势转折点的时间序列模式表示

在时间序列分段线性表示基础上,提出一种新的基于趋势转折点的时间序列模式表示方法。该方法在充分利用时间序列时变特征的基础上,可以有效地提取时间序列中的趋势及压缩原始数据。仿真实验证明,该方法具有高效、实现简便、效果直观的优点,对于油田测井领域的数据适应性良好。     

早期时间序列分类方法研究综述

传感器技术的普及使得时间序列数据受到人们越来越多的关注.早期时间序列分类(Early Time Series Classification, ETSC)希望通过观测尽可能短的时序数据而对其做出尽可能准确的分类,已在科技金融领域发挥着重要的作用.首先概述了常见的时间序列分类器,并综述了基于最小预测长度、基于最大区分子序列和基于模型的3类早期时间序列分类框架的最新研究进展.然后在每类方法中,分析了具有代表性的早期时间序列分类模型的关键技术及其优缺点;整理了科技金融领域的公开数据集和常见的评价指标.最后对未来的发展趋势做了展望.     

基于优化Shapelet的时间序列分类方法

基于Shapelet的时间序列分类算法具有可解释性强、准确率高、速度快的优点,然而在Shapelet发现过程中存在Shapelet产生冗余和形式局限的缺点,严重制约了算法性能的提高。针对这一问题,提出一种基于优化Shapelet的时间序列分类算法,该方法首先利用K-means生成典型的Shapelet候选集,加速Shapelet的生成过程;然后,融合相似性和类标差异性提出Shapelet的选取模型,确保Shapelet的多样性和精简性;最后,提出优化策略获取最佳的Shapelet,并以此为基础实施时间序列分类。实验结果表明,该方法具有较高的分类准确率,并对位移和扭曲特征明显的数据集具有良好的分类效果。     

时间序列基于特征向量的分类与二叉树分类

论证了利用特征向量的距离对时间序列进行分类不是一种有效的方法,并在此基础上提出一种基于二叉树的分类方法.     

基于t-LeNet与时间序列分类的窃电行为检测

窃电行为是导致电力企业电能与经济效益损失的重要原因.提出了一种基于t-LeNet(Time-Series Specific Version of LeNet Model)与时间序列分类(Time Series Classification, TSC)的窃电行为检测方法:首先,获取用户用电量时序数据,使用降采样方法生成训练集;然后,使用t-LeNet神经网络训练并预测得到分类结果,判断用户是否存在窃电行为.使用国家电网真实用户的用电量数据集进行了实验验证.实验结果表明,所提方法相较于基于Time-CNN(Time Convolutional Neural Network)、MLP(Muti-Layer Perception)的时间序列分类方法,在综合评价指标、精确率、召回率指标上均有不同程度提高,其对窃电行为的检测具有可行性与有效性.     

基于符号时间序列分析法的A股上海板块网络结构分析

股票价格的变化不仅受自身基本面的制约,而且也受其他股票的影响。网络分析方法是一种用于分析复杂股票关系的工具。基于符号时间序列分析法,构建了我国A股市场上海板块网络的最小生成树及相对应的分层树,从上市公司之间关系的角度分析和解释了实证结果。     

SAX结合Adaboost算法的时间序列分类问题

SAX是一种典型的符号化特征表示方法.该方法在时间序列特征表示中不仅可以有效地降维、降噪,而且具有简单、直观等特点.时间序列长度不一、特征表示过程中信息损失等问题的存在,使得常规的分类算法难以很好地完成分类任务.在对时间序列数据进行基于SAX符号化的BOP表示方法的基础上,提出了结合集成学习中AdaBoost算法进行分类的新方法,实验结果表明,该方法不仅能很好地处理SAX符号化表示中的信息损失问题,而且与已有方法相比,在分类准确度方面也有了显著的提高.     

基于Mixup数据增强的LSTM-FCN时间序列分类

在时间序列分类任务中,针对时间序列数据少和多样性导致深度学习模型准确率不高的问题,提出Mixup数据增强的长短期记忆网络–全卷积网络(LSTM-FCN)时间序列分类算法.该算法首先使用Mixup对原始数据进行数据增强,通过简单的线性插值对时序数据进行混合,得到新的混合之后的增强数据;然后使用增强数据训练LSTM-FCN...     

基于4D表示的DNA序列分析方法

基于DNA序列4种核苷酸的物理化学性质,考虑相邻两个碱基组合形式,提出一种新的DNA序列4D表示.基于这种表示,可以把DNA序列简化成4D空间的一系列点,根据点坐标抽取序列数值特征,再根据数值特征给出方法对DNA序列进行相似性分析.以10个不同物种的a-球蛋白基因的第一个外显子碱基序列的为例子,说明基于4D表示的DNA序列分析方法是有效的.     

改进的时间序列关键点表示算法

针对时间序列数据表示存在压缩率不高的问题,首先给出了时间序列定义和时间序列的9种基本形态;然后通过对极值点的优化处理,提出了关键极值点、剔除了轻微变化的极值点,并给出了结合转折点算法的IRAKPTS算法;最后通过实验验证,通过IRAKPTS算法的时间序列数据,较好地保留了时间序列的外形轮廓,并提高了压缩效率。     

稀疏表示的图像分类研究综述

良好的特征提取方法能减轻后续图像分类与识别的工作量。针对具体的分类问题提出了不同的特征提取方法,并在图像分类和识别任务上取得了较好的效果。然而,已有的基于传统方法的特征提取存在一些明显不足,即随着视觉任务规模的增大,直接利用这些传统方法进行特征分类,效果并不理想。提出的特征表达方法,在图像最基本特征基础上进行矢量量化、稀疏编码或其它表达以形成一幅图像最后的特征。着重介绍基于稀疏表示的特征分类算法并对其进行分析,最后探讨存在的问题和今后研究的方向。     

传感器网络时间序列数据的事件分类研究

目前智能环境中传感器网络所采集的海量数据面临着进行有效事件的模式分类及异常检测的难题.为了有效对智能环境中传感器网络采集的时间序列数据所表征的事件进行分类,提出了基于协方差特征空间映射数据的聚类分析方法.通过对采集得到的时间序列数据按时隙进行划分,映射到协方差特征空间,然后对映射后的数据进行了动态密度聚类,从而实现对事件的分类;并根据聚类结果建立分类模板,作为对日常事件进行分类划分的检测方法,同时利用所得的分类模板,实现对异常事件的检测.实验结果表明,基于协方差特征空间映射数据的聚类分析方法能有效对传感器网络采集的时间序列数据所表征的事件进行分类,并能有效提升异常事件的检测及筛选效果.     

时间序列数据的稳健最优分割方法

针对分段多项式回归方法存在计算效率低和对噪声较敏感等缺点，提出了具有稳健性的最优分割方法，以解决时间序列数据相似搜索及知识发现处理中的长时间序列分割问题。该方法采用自顶向下策略，然后根据自适应定阶算法直接选定一个合适的多项式阶，对每个候选变化点，经过一次判断即可确定多项式的合适阶次。由于该方法基于对线性模型的数据矩阵作奇异值分解，从而可自适应确定子序列合适的模型，简化了计算过程，文中对此给出了理论证明。通过与Garalnik-Srivastava方法进行实验比较，证明所提方法不仅计算效率高，而且具有良好的稳健性。     

关于时间序列相似性问题中间隔因子讨论

作为一种非平凡问题,大多数时间序列相似性检索解决方法中涉及到了对原数据的降维处理技术。在有效保持原序列中信息量的同时,尽量减低计算复杂度是这些算法的关键。时序特征值表示方法针对了时间序列中的特征值采取自适应的算法,通过时间序列中的若干特殊的数据点,从而发现一组合适的滑动窗口大小,并根据序列变化的程度来决定滑动窗口相似比较的方式。     

符号化时间序列分析

对于符号化时间分析方法,给出了已知的国外应用状况和文献出处.对如何将时间序列转化为符号序列,即信号符号化问题,通过最简单的二进制划分及其配套图形作了简要说明.给出了二进制划分下符号树结构及其Shannon熵计算方法,讨论了时延τ、符号集大小Ns和树层数(符号序列长度)对Shannon熵等统计量的影响.叙述了符号序列编码方法和符号序列直方图的作用;提交了进行符号时间序列分析的计算机流程图.图5,参23.     

物质浓度符号表示中的问题与对策

对照比较了２种物质质沈度符号，根据不同标准及在使用中的不同表示形式，指出了国际新标准对物质量符号的某些规定规定实用中的一些不足，提出了相应的对策。     

一种基于序列挖掘的分类系统框架

为了有效地对序列数据进行分类，提出了一种集成分类挖掘和序列模式挖掘技术的分类系统框架(SPACS)．先采用一套约束和裁减策略，为每个分类挖掘频繁序列模式，并将其转换为分类序列规则(CSR)；再利用平均CSR匹配置信度和一个规则匹配算法构建有效的序列数据分类器．SPACS不需要在提取序列的特征后采用传统方法进行分类，可以直接利用从序列数据中提取出的频繁序列进行分类．实验结果表明，对于序列类型的数据的分类，SPACS比传统的决策树和关联分类方法具有更高的分类精度．     

核酸序列的矩阵表示

提出了用矩阵形式一对一地表示核酸序列的方法．发现通过矩阵运算很容易得到描述核酸序列中单碱基出现概率和碱基相关出现概率的矩阵和值,并且很易推广到多个碱基关联的情况．对于核酸序列的编码区,用这种矩阵方法计算出密码子的使用频率．而且发现用矩阵方法比较核酸序列的同源性非常直观．     

序列效应代数的表示

考虑序列效应代数的表示问题,通过列举一些可表示的和不可表示的实例,给出序列效应代数可表示的一个充分条件,并证明了一些经典序列效应代数的可表示性,以及两个可表示的序列效应代数的直和仍然是可表示的.