基于SAX的時(shí)間序列分類(lèi)
推薦 + 挑錯(cuò) + 收藏(0) + 用戶(hù)評(píng)論（0）
分類(lèi)問(wèn)題是數(shù)據(jù)挖掘中的基本問(wèn)題之一，時(shí)間序列的特征表示及相似性度量是時(shí)間序列數(shù)據(jù)挖掘中分類(lèi)、聚類(lèi)及模式發(fā)現(xiàn)等任務(wù)的基礎(chǔ)。SAX方法是一種典型的時(shí)間序列符號(hào)化表示方法，在采用該方法的基礎(chǔ)上對(duì)時(shí)間序列進(jìn)行分類(lèi)，不僅可以有效地降維、降噪，而且具有簡(jiǎn)單、直觀(guān)等特點(diǎn)，但是該方法有可能造成信息損失并影響到分類(lèi)結(jié)果的準(zhǔn)確性。為了彌補(bǔ)信息損失對(duì)分類(lèi)結(jié)果的影響，采用了集成學(xué)習(xí)中大多數(shù)投票方法來(lái)彌補(bǔ)BOP表示后的信息損失，從而提高整個(gè)分類(lèi)器的效率。針對(duì)一些樣本在BOP表示中都損失了相似的重要信息，以至于大多數(shù)投票無(wú)法進(jìn)一步提高分類(lèi)效率的問(wèn)題，進(jìn)一步提出了結(jié)合集成學(xué)習(xí)中AdaBoost算法，通過(guò)對(duì)訓(xùn)練樣本權(quán)重的調(diào)整，從而達(dá)到以提高分類(lèi)器性能來(lái)彌補(bǔ)信息損失的效果。實(shí)驗(yàn)結(jié)果表明，將BOP方法與集成學(xué)習(xí)相結(jié)合的方法框架，不僅能很好地處理SAX符號(hào)化表示中的信息損失問(wèn)題，而且與已有方法相比，在分類(lèi)準(zhǔn)確度方面也有顯著的提高。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于SAX的時(shí)間序列分類(lèi)下載
相關(guān)電子資料下載
- 人工神經(jīng)網(wǎng)絡(luò)模型的分類(lèi)有哪些 134
- 一文快速了解RFID技術(shù)的構(gòu)成及分類(lèi) 109
- 車(chē)載無(wú)線(xiàn)技術(shù)分類(lèi)介紹 411
- 機(jī)器視覺(jué)光源的作用、分類(lèi)及實(shí)際應(yīng)用 118
- 神經(jīng)元的分類(lèi)包括哪些 233
- 卷積神經(jīng)網(wǎng)絡(luò)分類(lèi)方法有哪些 102
- cnn卷積神經(jīng)網(wǎng)絡(luò)分類(lèi)有哪些 106
- 什么神經(jīng)網(wǎng)絡(luò)模型適合做分類(lèi) 114
- 卷積神經(jīng)網(wǎng)絡(luò)在文本分類(lèi)領(lǐng)域的應(yīng)用 152
- 風(fēng)華貼片電容的分類(lèi)詳細(xì)介紹 86