基于平稳子空间分析和相对熵的分类算法

针对多维时间序列维数多、变量间关系复杂的特点,提出了一种基于平稳子空间分析和相对熵的分类算法。首先,利用平稳子空间分析法将多维数据分离为平稳子空间和非平稳子空间;其次,利用相对熵衡量平稳子空间的分布相似性;最后,进行真实数据集的分类。研究结果表明:平稳子空间分析和相对熵分类算法优于DTW算法和PCA-ED算法。