62、多变量时间序列早期分类与语义一致的人体运动分割技术解析

多变量时间序列早期分类与语义一致的人体运动分割技术解析

在数据分析和模式识别领域，多变量时间序列（MTS）的早期分类以及人体运动分割是两个重要的研究方向。本文将详细介绍这两个方面的相关技术和方法，包括多变量时间序列早期分类的两种方法，以及一种语义一致的人体运动分割算法，并通过实验评估这些方法的性能。

多变量时间序列早期分类方法

为了实现对多变量时间序列的早期分类，我们引入了两种方法：MCFEC - Rule分类器和MCFEC - QBC分类器。

MCFEC - Rule分类器

该方法旨在发现所有变量之间的隐藏知识，通过核心形状特征从训练数据中找到连贯的规则，用于早期分类。每个规则由一个或多个属于同一类的核心形状特征组成，且每个变量最多包含一个核心形状特征。由于核心特征组合众多，我们需要持续从剩余组合中选择最佳规则，直到所选规则能够覆盖训练数据。为确保有效性，只挖掘精度和召回率不低于用户指定最小值的规则。

以下是一个示例，假设数据集D中有正样本，第一个变量有两个核心形状特征，其他变量各有一个，第1、2、3和4个变量的核心形状特征分别为f11、f12、f2、f3和f4，那么可能的规则有21条，如下所示：
- rule1: f11
- rule2: f12
- rule3: f2
- rule4: f3
- rule5: f4
- rule6: f11^f2
- rule7: f12^f2
- rule8: f11^f3
- rule9: f12^f3
- rule10: f11^f4
- rule11: f12^f4
-