主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
原继东,王志海,韩萌.基于Shapelet剪枝和覆盖的时间序列分类算法.软件学报,2015,26(9):2311-2325
基于Shapelet剪枝和覆盖的时间序列分类算法
Shapelet Pruning and Shapelet Coverage for Time Series Classification
投稿时间:2014-03-07  修订日期:2014-05-15
DOI:10.13328/j.cnki.jos.004702
中文关键词:  时间序列分类  shapelet剪枝  shapelet覆盖
英文关键词:time series classification  shapelet pruning  shapelet coverage
基金项目:北京市自然科学基金(4142042); 中央高校基本科研基金(2015YJS049)
作者单位E-mail
原继东 北京交通大学 计算机与信息技术学院, 北京 100044
交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 100044 
 
王志海 北京交通大学 计算机与信息技术学院, 北京 100044
交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 100044 
12112078@bjtu.edu.cn 
韩萌 北京交通大学 计算机与信息技术学院, 北京 100044
交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 100044 
 
摘要点击次数: 2583
全文下载次数: 3704
中文摘要:
      时间序列shapelets是时间序列中能够最大限度地表示一个类别的子序列.解决时间序列分类问题的有效途径之一是通过shapelets转换技术,将shapelets的发现与分类器的构建相分离,其主要优点是优化了shapelets的选择过程,并能够灵活应用不同的分类策略.但该方法也存在不足:一是在shapelets转换时,用于产生最好分类结果的shapelets数量是很难确定的;二是被选择的shapelets之间往往存在着较大的相似性.针对这两个问题,首先提出了一种简单有效的shapelet剪枝技术,用于过滤掉相似的shapelets;其次,提出了一种基于shapelets覆盖的方法来确定用于数据转换的shapelets的数量.通过在多个数据集上的测试实验,表明了所提出的算法具有更高的分类准确率.
英文摘要:
      Time series shapelets are subsequences of time series that can maximally represent a class. One of the most promising approaches to solve the problem of time series classification is to separate the process of finding shapelets from classification algorithm by adopting a shapelet transformation. The main advantages of that technique are that it optimizes the process of shapelets selection and different classification strategies could be applied. Important limitations also exist in that method. First, although the number of shapelets selected for the transformation directly affects the classification result, the quantity of shapelets which yields the best data for classification is hard to be decided. Second, previous algorithms often inevitably result in similar shapelets among the selected shapelets. This work addresses the latter problem by introducing an efficient and effective shapelet pruning technique to filter similar shapelets and decrease the number of candidate shapelets at the same time. On this basis, a shapelet coverage method is proposed for selecting the number of shapelets for a given dataset. Experiments using the classic benchmark datasets for time series classification demonstrate that the proposed transformation can improve classification accuracy.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利