14、时间序列分类与垃圾电话检测技术探索

时间序列分类与垃圾电话检测技术探索

1. 时间序列分类优化方法

在时间序列分类的优化方面，设计了五种不同的重叠方法来优化配置。具体方法及评估如下：
- 方法1 - FastFit1(FAST16 - FIT - CNN) ：从信号的6个部分提取96个特征，每个部分16个特征。该方法表现尚可，但未充分发挥FIT的潜力。
- 方法2 - FastFit2 (FAST10 - FIT - CNN + 信号图像) ：重新设计了FASTn特征，保留Fast16配置中代表一维信号的8个基本特征，为每个部分添加2个信号积分，每个部分共10个特征，信号总计60个特征。此外，将信号图像直接添加到FIT生成的图像中。结果显示，该方法的准确性优于之前的方法，但并非所有数据集的工作都已完成。在14个测试数据集中，有10个改进了FAST - FIT的结果，还额外获得2次胜利和更好的排名，仅运行不到列表的1/5就获得了总共15次胜利。若按比例扩大，预计会获得更多胜利。
- 方法3 - Signal - FIT - CNN ：直接使用FIT测试准确性，在信号较小时在某些情况下有效，但在信号较长时失败。这是因为长信号会降低间隔分辨率，导致局部信号细节丢失。对于长信号，FIT需要事先进行某些特征工程优化，尽管它可以直接处理许多类别的短信号并取得相对较好的结果。
- 方法4 - Signal - CNN ：将信号直接输入CNN进行分类。对于小信号，该方法已被证明是成功的，因为全局因素占主导地位。但对于长信号，虽然全局信息得以保留，但局部细节几乎丢失，这会影响结果。因