收藏本站
《河北经贸大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

时间序列半监督分类研究

单中南  
【摘要】:时间序列数据是指按照时间的推移顺序排列的一组数据,广泛存在于各个领域。现有的绝大多数时间序列分类方法需要大量有标记的样本,但这样的数据非常难获得且价格昂贵。然而在现实应用领域,存在大量没有类别标签的数据。因此,当已标记样本较少时,如何使用大量未标记样本来改善分类性能已成为广受关注的问题,时间序列半监督分类利用少量已标记数据和大量未标记数据,构建具有较高准确率的分类器。减少了人工标记、标记数据难获取等因素带来的不便。本文分别就单变量和多变量时间序列的半监督分类方法进行创新改进,主要研究工作如下:(1)针对单变量时间序列半监督分类,本文分别提出了基于局部保持映射的时间序列半监督分类算法以及基于分段聚合近似的时间序列半监督分类算法。绝大多数现有研究都是对原始时间序列直接进行半监督分类,在一般情况下,时间序列的维数(长度)比较高,因此在半监督分类方法中选择合适的降维技术非常重要。本文提出了一种基于局部保持映射的时间序列半监督分类方法LPP_SSCTS,LPP_SSCTS只需选择恰当的参数就可以在解决维灾和去除噪声的同时,还能使降维后的数据可以清晰地保持原数据的局部邻域信息。在15个时间序列数据集上的实验结果表明,本文提出的算法显著地好于已有方法,在后续研究中,本文又提出了一种基于分段聚合近似的时间序列半监督分类算法PAA_SSCTS,该方法首先使用分段聚合近似对时间序列对时间序列样本进行维数约减,然后对降维后的数据进行半监督分类。在不同的时间序列数据集的实验结果表明,该方法的分类性能显著地好于已有方法。(2)针对多变量时间序列半监督分类,本文提出了基于二维奇异值分解的多变量时间序列半监督分类算法。由于多变量时间序列(MTS)通常长度不相等且变量之间存在复杂关系,MTS的半监督分类研究比较少。针对这种情况,提出一种基于二维奇异值分解的MTS半监督分类方法,该方法首先计算行-行以及列-列协方差矩阵的特征向量,然后从MTS样本中提取特征矩阵;特征矩阵的行数以及列数不仅比原MTS样本低,而且还清晰地考虑了MTS样本的二维特性。在10个MTS数据集上的实验结果表明,该方法的分类性能显著地好于使用扩展Frobenius范数、中心序列、以及基于一维奇异值分解的半监督分类方法。
【学位授予单位】:河北经贸大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:O211.61;TP181

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 孙其法;闫秋艳;闫欣鸣;;基于多样化top-k shapelets转换的时间序列分类方法[J];计算机应用;2017年02期
2 王金策;杨宁;;时间序列趋势预测[J];现代计算机(专业版);2017年02期
3 彭佳星;肖基毅;;基于分型转折点的证券时间序列分段表示法[J];商;2016年31期
4 刘伟龙;;基于ARMA模型的股价预测及实证研究[J];智富时代;2017年02期
5 周仰;;《漫长的告别》(年度资助摄影图书)[J];中国摄影;2017年04期
6 王嵬;;王嵬作品[J];当代油画;2017年07期
7 刘明华;张晋昕;;时间序列的异常点诊断方法[J];中国卫生统计;2011年04期
8 郭崇慧;苏木亚;;基于独立成分分析的时间序列谱聚类方法[J];系统工程理论与实践;2011年10期
9 王佳林;王斌;杨晓春;;面向不确定时间序列的分类方法[J];计算机研究与发展;2011年S3期
10 万里;廖建新;朱晓民;倪萍;;一种基于频繁模式的时间序列分类框架[J];电子与信息学报;2010年02期
中国重要会议论文全文数据库 前10条
1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年
2 张可;李媛;柴毅;黄磊;;基于分段趋势的符号化时间序列聚类表示[A];第37届中国控制会议论文集(D)[C];2018年
3 徐光晶;;统计学在大地电磁测深时间序列处理中的应用[A];2017中国地球科学联合学术年会论文集(二十九)——专题57:电磁地球物理学研究及其应用[C];2017年
4 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年
5 吴丽娜;黄领梅;沈冰;吕继强;;黄河上游降水时间序列混沌特性识别与预测年限分析[A];水系统与水资源可持续管理——第七届中国水论坛论文集[C];2009年
6 吴坚忠;路子愚;郑应平;;时间序列社会悖论模型及分析[A];1989年控制理论及其应用年会论文集(上)[C];1989年
7 雷敏;孟光;谢洪波;Kerreie Mengersen;Peter Bartlett;;嵌入维数对复杂时间序列的熵分析的影响研究[A];中国力学大会-2015论文摘要集[C];2015年
8 王兆甲;王海良;;一种相似时间序列挖掘算法及其在汽车运动分析中的应用[A];2014中国汽车工程学会年会论文集[C];2014年
9 林忠辉;莫兴国;薛玲;;用NDVI时间序列确定作物物侯和作物类型判别[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
10 王冬;章家义;陈宗;;配电网时间序列数据的云计算集群快速压缩模型[A];2017年江西省电机工程学会年会论文集[C];2018年
中国重要报纸全文数据库 前10条
1 王晓宝 杨永恒 永安期货;浅析波动率的均值回复特征[N];期货日报;2017年
2 东证期货 王爱华 杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年
3 国家统计局核算司 吕峰;不变价GDP时间序列数据的构造[N];中国信息报;2016年
4 ;《时间序列与金融数据分析》[N];中国信息报;2004年
5 何德旭 王朝阳;时间序列计量经济学:协整与有条件的异方差自回归[N];中国社会科学院院报;2003年
6 刘俏;让数据坦白真相[N];21世纪经济报道;2003年
7 卞纪;我国多时间序列湿地遥感制图完成[N];中国气象报;2011年
8 权证一级交易商 国信证券;正股走势及时间序列主导下半年权证市场运行结构[N];证券时报;2006年
9 广发期货股指研究小组 谢贞联;Hurst指数提示市场升势或将形成[N];上海证券报;2012年
10 丁睿 中粮期货研究院;试论指数HP滤波分析法的应用[N];期货日报;2014年
中国博士学位论文全文数据库 前10条
1 康峻;基于时间序列遥感数据的植被精细分类与覆盖度反演研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
2 林蕾;基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
3 丁红;柳江径流分析与预测研究[D];武汉理工大学;2016年
4 马俊;GPS坐标时间序列严密三维噪声模型建立方法[D];武汉大学;2018年
5 周超;集成时间序列InSAR技术的滑坡早期识别与预测研究[D];中国地质大学;2018年
6 丁超;MODIS时间序列重建方法与应用[D];中国地质大学(北京);2018年
7 魏永强;煤矿瓦斯监测数据插值与预测研究[D];中国矿业大学(北京);2015年
8 杨玉军;基于机器学习的时间序列模型研究及其应用[D];电子科技大学;2018年
9 鲁韵帆;随机交互金融模型的构建及金融时间序列的统计分析[D];北京交通大学;2018年
10 郭珩;复杂网络在非线性时间序列分析中的应用[D];华东师范大学;2018年
中国硕士学位论文全文数据库 前10条
1 曹俊波;风功率预测与多种市场下虚拟电厂电—热—气协调优化调度[D];长沙理工大学;2018年
2 韩如愿;两种基于数据驱动的库存预测方法研究[D];厦门大学;2017年
3 曹西娟;模糊时间序列在钻井风险概率中的预测及应用[D];西南石油大学;2018年
4 孔翔玉;关于时尚产品生命周期曲线动态预测方法的研究[D];南京大学;2019年
5 王子一;基于特征提取的时间序列分类方法的研究[D];南京大学;2019年
6 栗云峰;基于时间序列高分一号影像的南京市农业用地提取方法研究[D];南京大学;2019年
7 韩佳兵;基于时间序列数据的模糊认知图预测模型研究[D];山东财经大学;2019年
8 单中南;时间序列半监督分类研究[D];河北经贸大学;2019年
9 宫志晨;模型空间中的时间序列分类算法及其在不平衡数据上的应用[D];中国科学技术大学;2018年
10 卞松寒;时间序列的细化二元熵和递归性研究[D];北京交通大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026