基于多元化top-k shapelets转换的分类方法

摘要

时间序列shapelets是描述序列局部特征的子序列,具有高度的辨识性.基于shapelets转换的时间序列分类方法,已经成为时间序列模式识别研究领域一个重要主题.选取最优的k个shapelets特征,是此类分类方法的关键.针对候选shapelets中存在较大相似性的问题,提出了一种基于多元化top-k shapelets转换的分类方法,DivTopShapelet.该方法采用多元化top-k查询技术,去除相似shapelets,并筛选出最具代表性的k个shapelets集合,最后以最优shapelets集合为特征对数据集进行转换,达到提高分类准确率及时间效率的目的.实验表明,DivTopShapele分类方法不仅比传统分类方法具有更高的准确率,而且与两种同类算法相比,分类准确率分别平均提高了10.00％和2.71％,最多提高了30.87％;同时在所有15个数据集上均有计算效率的提升,最少加速了1.09倍,最高可达到287.8倍.