计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
1期
239-243
,共5页
多变量时间序列%分类%奇异值分解%判别局部保持投影%最大间距准则
多變量時間序列%分類%奇異值分解%判彆跼部保持投影%最大間距準則
다변량시간서렬%분류%기이치분해%판별국부보지투영%최대간거준칙
multivariate time series%classification%Singular Value Decomposition (SVD)%Discriminant Locality Preserving Projection (DLPP)%maximum margin criterion
针对现有多变量时间序列分类算法存在的要求序列等长和忽视类别信息两个不足,提出基于奇异值分解(SVD)和判别局部保持投影的分类算法.该算法基于降维思想,先通过SVD将样本的第一右奇异向量作为特征向量,以此将不等长序列转化为规模大小相同的序列;接着采用基于最大间距准则的判别局部保持投影对特征向量投影,充分利用类别信息以确保投影后同类样本尽量接近,异类样本尽量分散;最后在低维子空间采用1最近邻(1NN)、Parzen窗、支持向量机(SVM)和朴素Bayes分类器进行分类.在Australian Sign Language(ASL)、Japanese Vowels (JV)和Wafer三个公开的多变量时间序列数据集上进行的实验结果表明:在时间开销基本不变的前提下,所提方法取得了较低的分类错误率.
針對現有多變量時間序列分類算法存在的要求序列等長和忽視類彆信息兩箇不足,提齣基于奇異值分解(SVD)和判彆跼部保持投影的分類算法.該算法基于降維思想,先通過SVD將樣本的第一右奇異嚮量作為特徵嚮量,以此將不等長序列轉化為規模大小相同的序列;接著採用基于最大間距準則的判彆跼部保持投影對特徵嚮量投影,充分利用類彆信息以確保投影後同類樣本儘量接近,異類樣本儘量分散;最後在低維子空間採用1最近鄰(1NN)、Parzen窗、支持嚮量機(SVM)和樸素Bayes分類器進行分類.在Australian Sign Language(ASL)、Japanese Vowels (JV)和Wafer三箇公開的多變量時間序列數據集上進行的實驗結果錶明:在時間開銷基本不變的前提下,所提方法取得瞭較低的分類錯誤率.
침대현유다변량시간서렬분류산법존재적요구서렬등장화홀시유별신식량개불족,제출기우기이치분해(SVD)화판별국부보지투영적분류산법.해산법기우강유사상,선통과SVD장양본적제일우기이향량작위특정향량,이차장불등장서렬전화위규모대소상동적서렬;접착채용기우최대간거준칙적판별국부보지투영대특정향량투영,충분이용유별신식이학보투영후동류양본진량접근,이류양본진량분산;최후재저유자공간채용1최근린(1NN)、Parzen창、지지향량궤(SVM)화박소Bayes분류기진행분류.재Australian Sign Language(ASL)、Japanese Vowels (JV)화Wafer삼개공개적다변량시간서렬수거집상진행적실험결과표명:재시간개소기본불변적전제하,소제방법취득료교저적분류착오솔.
