LMR的博客

时间序列分类（TSC）问题对分类算法提出了一个特殊的挑战：如何度量序列间的相似性。shapelet是一个时间序列子序列，它允许基于形状的局部、相位无关相似性进行时间序列分类。（Shapelets是时间序列的辨别性子序列，可以最好地预测目标变量）。基于shapelet的分类使用shapelet和序列之间的相似性作为辨别性特征。shapelet方法的一个好处是shapelet是可理解的，并且可以提供对问题域的洞察。原始的基于shapelet的分类器将shapelet发现算法嵌入到决策树中，并利用信息增益来

时间序列指的是一组具有次序关系的数值型数据，这类数据在我们实际生活中十分普遍。例如，网页点击数据、广告点击量数据以及脑电图数据等等。时间序列数据也受到越来越多科研人员的关注，本博客主要介绍现有的基于动态规划思想的时间序列距离度量方法。在介绍这类方法之前首先介绍最经典的最简单的欧式距离度量。欧式距离度量 欧氏距离是一种按照时间点的对齐的时间序列对齐方法，计算相同...

public class LPS extends AbstractClassifierWithTrainingData 02: implements ParameterSplittable{03: RandomRegressionTree[] trees;04: 05: public static final int PARASEARCH_NOS_TREES...

本文主要翻译LPS论文的主体部分，由于水平有限，可能翻译的不够准确。算法原文连接为基于局部自动模式的时间序列表示与相似度摘要：随着从医学、金融、多媒体等不同领域的时间序列数据集的增加，时间序列数据挖掘受到更多人的关注。对于减少维数和产生有用的相似性度量来说，时间序列表示是很重要的。高阶表示，如傅立叶变换，小波，分段多项式模型等，是以前所提出来的。最近，自回归核被用来反映时间序列的相似性。我...

时间序列森林（Time Series Forest, TSF）模型将时间序列转化为子序列的均值、方差和斜率等统计特征，并使用随机森林进行分类。TSF通过使用随机森林方法（以每个间隔的统计信息作为特征）来克服间隔特征空间巨大的问题。训练一棵树涉及选择m正在上传…重新上传取消 个随机区间，生成每个系列的随机区间的均值，标准差和斜率，然后在所得的3m正在上传…重新上传取消 个特征上创建和训练一棵树。...

01:package timeseriesweka.classifiers;02:03:import utilities.ClassifierTools;04:import weka.classifiers.Classifier;05:import weka.classifiers.lazy.kNN;06:import weka.core.Capabilities;07:import...

本文算法来自于时间序列分类网站http://www.timeseriesclassification.com/code.php提供 的时间序列分类框架。DTW最早是用于语音识别领域，然后被用于时间序列相似性度量，与k近邻分类器结合后用于时间序列分类，下面分析其实现代码：01:public class DTW_kNN extends kNN {02: private boolean opti...