学习笔记, 时间序列

【笔记】时间序列早期分类

时间序列定义:
狭义:按时间顺序排序的一组数据。
广义:任何实质性的有次序的序列都可以当作时间序列处理。
应用:医学诊断、灾害预测、入侵检测、过程控制、交通运输等等。

早期分类特点:针对时间序列数据尽早做出预测,并满足预测的质量。更注重优化分类的早期型。

早期分类方法种类:

1. 基于原始数据分类。
08年开始研究。
SCR:挖掘系列分类规则并构造分类器,根据早期预测效应值在序列枚举树中进行简直来构造特征与规则。
GSDT:分治策略构造分类模型。
以上两个都是适用于符号序列。

09年
最小预测长度(MPL)
时间序列早期分类方法(ECTS)居然有这个名字!既能保证分类准确率,又能实现早期分类。
Fixed 1NNfenleiqi ,用固定长度MPL,适用于2-class,也改进了ECTS。

2.基于特征的时间序列早期分类。
【具有可解释性的特征】shape-let,时间序列的子序列。最大程度上代表某一类的特性。

2011年
BMD 计算量大,计算时间长。
2012年
MSD
2013年
MCFEC 挖掘核心特征。考虑了不平衡性,对于稀有但具有区别性的核心特征也能选出。
EPIMTS 欠抽样方法来处理不平衡数据集 搞笑
2015年
REACT方法。针对数值和符号属性。

3.基于模型的时间序列早期分类。

早期分类的应用:
1. 早期诊断:
2015年
提取可解释的多变量模式(IPED)来实现时间序列早期分类。

2. 气体识别:
2013年 CWRO 新型电子鼻

3. 个人电力消费

早期分类将成为热点原因:
多变量时间序列早期分类在时间序列挖掘中是个热点。
1. 因为他的多变量性和不同组成部分的序列长度可能不同,以及不同变量之间可能存在关联性,不好用传统数据挖掘算法对多变量时间序列处理。
2. 目前分类针对小型数据集,以后会有大数据集迫切需要解决。
3. 如何提高精度实现早期分类。
4. 基于模型分类方法研究较少。

参考文献:
[1]马超红,翁小清. 时间序列早期分类综述[J/OL]. 微型机与应用,2016,35(16):13-15+19. (2016-08-26)[2017-08-08]. http://kns.cnki.net/kcms/detail/11.5881.tp.20160826.0854.005.htmlDOI:10.19358/j.issn.1674-7720.2016.16.003

Be the First to comment.

Leave a Comment

电子邮件地址不会被公开。 必填项已用*标注