【摘 要】
：
针对时间序列分类算法易受噪声影响的问题,传统的L1趋势滤波和L2趋势滤波都是有效的时间序列平滑方法,然而两者的趋势模型固定,仅适用于特定类型的数据.另外常用的欧氏距离度
【机 构】
：
南京农业大学信息科技学院,南京210095;国家信息农业工程技术中心,南京210095;江苏省物联网技术与应用协同创新中心,南京210023;南京农业大学信息科技学院,南京,210095
论文部分内容阅读
针对时间序列分类算法易受噪声影响的问题,传统的L1趋势滤波和L2趋势滤波都是有效的时间序列平滑方法,然而两者的趋势模型固定,仅适用于特定类型的数据.另外常用的欧氏距离度量在处理时间序列时没有考虑时序属性.因此,本文提出一种基于混合范数趋势滤波的时间序列分类算法.首先,在趋势滤波目标函数中引入混合范数模型作为正则项,获取更适于分类的时间序列趋势估计;然后,采用动态时间弯曲(DTW)距离度量消除时序干扰,训练基于DTW的k近邻分类器实现时间序列分类;最后,使用贝叶斯优化算法自适应地寻找最优的超参数组合,以降低问题求解的时间复杂度.在UCR时间序列数据库的40个数据集上进行实验,结果表明本文算法在时间序列分类任务中的性能更佳、分类错误率更低.
其他文献
发电机断路器是电力系统中极其重要的控制与保护设备，设置发电机断路器使得单台发电机组在需要检修或发生事故时，可以被及时从电网中切除，从而减少停机范围，防止事故扩大，提高了输
无线传感器网络(Wireless Sensor Network,WSN)在军事领域和森林防火系统中具有广泛地应用,而路由技术是无线传感器网络研究的核心问题之一。本文以如何节能,如何平衡网络节
为解决视频监控系统中目标跟踪过程出现的漂移问题,提出一种自适应双门限与KLT融合的目标跟踪方法.该方法首先采用自适应双门限运动目标检测获得高门限和低门限二值图像信息,同时将双门限二值图像信息与KLT目标特征点跟踪进行融合处理.如果KLT找到的特征点大部分在双门限目标的轮廓内,标记该轮廓为目标轮廓;否则,使用KLT特征点来确定目标的轮廓,最终实现场面复杂监视下运动目标的持续、准确跟踪.利用不同监控场