一种联合的时序数据特征序列分类学习算法-计算机工程.pdf

第 卷 第 期 计 算 机 工 程 年 月 人工智能及识别技术 文章编号 文献标志码 中图分类号 一种联合的时序数据特征序列分类学习算法 史苇杭林 楠 郑州大学 软件技术学院郑州 摘 要 针对时序数据特征学习中特征序列占用空间大和运算复杂度高的问题提出一种联合学习特征序列和分 类参数的分类算法 对时序数据进行特征变换后采用线性分类器从最小距离矩阵中学习模型参数以预测目标 变量 在目标函数中对分类预测的损失函数和分类器的线性权重进行联合学习并利用随机梯度下降法求解优 化问题 实验结果表明与和表达式变换方法相比该算法在保持较少运算时间的前提下具有较高的分类 预测准确率 关键词 时序数据机器学习随机梯度下降法优化算法分类 中文引用格式史苇杭林楠一种联合的时序数据特征序列分类学习算法计算机工程 英文引用格式 的特征进行描述并采用聚类方法对时序数据进行聚 概述 类分析 通过对对象的步伐进行特征描述从而进行 传感器网络和社会新媒体的高速发展催生了大 行人的识别 通过挖掘时间序列的特征进行手势的 量基于时序数据 的应用如传感器数据的实时分析 识别 在医疗和健康领域通过可解释的时间序列 和微博舆情的实时监控 在这些应用领域中信息的 特征也可以进行时间序列的早期分类 数据量大并且对系统的实时性要求高因此时序数 时间序列特征是用来预测目标时间序列变量的 据分析成为数据挖掘领域的重要研究内容 在时 时间序列片段 令某个已知的时间序列集合作为 序数