王树英
- 作品数：2 被引量：2H指数：1
- 供职机构：北京交通大学计算机与信息技术学院更多>>
- 发文基金：北京市自然科学基金国家民委科研基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种使用shapelets的增量式时间序列分类被引量：1
- 2016年
- 根据时间序列数据维度高、实值有序、数据间存在自相关性等特点,对时间序列分类过程进行研究。研究了当前比较流行的时间序列分类方法;从图像处理的角度出发,提出了一种将图片信息转化为时间序列数据的ITTS方法。shapelets作为最能够表示一条时间序列的子序列,随着时间的推移,这个特征序列可能会动态地发生变化。基于这样的思想,提出了一种基于动态发现shapelets的增量式时间序列分类算法IPST。该算法能够较好地动态发现当前最优的k个shapelets,从而提高时间序列分类的准确度。得到的shapelets集合还可以与多个传统的分类器结合,从而获得更佳的分类效果。
- 丁剑王树英
- 关键词：时间序列增量式学习
- 基于增量式决策树的时间序列分类算法研究被引量：1
- 2015年
- 数据挖掘技术已经应用到很多研究领域中,数据挖掘的类型也越来越复杂。其中一类数据本身是有顺序相关的,且是实值型数据,定义具有这样特征的数据为时间序列数据,使用常见的数据挖掘方法从时间序列数据中进行知识学习是不适用的。并且随着大数据理论的不断发展,能够增量式地处理数据以减小对时间和存储空间的需求。基于时间序列数据维度高、实值有序、数据间存在自相关性等特点,提出一种增量式决策树的时间序列分类算法。
- 王树英王志海
- 关键词：时间序列增量式学习决策树
