[发明专利]基于提取核特征早期预测多变量时间序列类别的分类方法

摘要

针对早期预测多变量时间序列分类问题，本发明提出了基于提取核特征早期预测多变量时间序列类别的分类方法，为提取各个变量时间序列本质特性，首先对各变量时间序列分别进行特征提取，并采用聚类方法减少冗余特征与剔除噪音，提高分类的稳定性。其次，为提高分类的效率、精度和早期度，基于准确率、召回率和早期度等提出一种综合评价特征性能的方法，选择每个簇中的最优特征作为该变量的核特征。最后，基于各变量的核特征集，提出了两种简单且有效的分类器构造方法。通过实验验证本发明所提方法和算法的正确性和有效性，实验结果表明该分类器能够达到较高的准确率与较好的早期度。

主权项

一种基于提取核特征早期预测多变量时间序列类别的分类方法，其特征在于，包括下列步骤：步骤1，对训练数据集中多变量时间序列，提取各变量的时间序列中子序列作为候选特征，并基于准确率和召回率获取每个候选特征的阈值；从各变量的候选特征中选择准确率达到预定值的候选特征构成变量的特征集；步骤2，对步骤1所得各变量的特征集按类别分别聚类得到若干个簇，在每个簇中选取性能最佳的特征为核特征，每个变量的各簇核特征的并构成各变量的核特征集；所有变量的核特征集的并集为多变量时间序列的核特征集；步骤3，根据步骤2所得多变量时间序列的核特征集，分类预测检测数据集中多变量时间序列的类别。