基于趋势特征表示的shapelet分类方法

闫欣鸣，孟凡荣，闫秋艳

(中国矿业大学 计算机科学与技术学院，江苏 徐州 221116)

(*通信作者电子邮箱yanxm@cumt.edu.cn)

基于趋势特征表示的shapelet分类方法

闫欣鸣*，孟凡荣，闫秋艳

(中国矿业大学 计算机科学与技术学院，江苏 徐州 221116)

(*通信作者电子邮箱yanxm@cumt.edu.cn)

Shapelet是一种具有辨识性的时间序列子序列，通过识别局部特征达到对时间序列准确分类的目的。原始shapelet发现算法效率较低，大量工作关注于提高shapelet发现的效率。然而，对于带有趋势变化的时间序列，采用典型的时间序列表示方法进行shapelet发现，容易造成序列中趋势信息的丢失。为了解决时间序列趋势信息丢失的问题，提出一种基于趋势特征的多样化top-kshapelet分类方法：首先采用趋势特征符号化方法对时间序列的趋势信息进行表示；然后针对序列的趋势特征符号获取shapelet候选集合；最后通过引入多样化top-k查询算法从候选集中选取k个最具代表性的shapelets。在时间序列的分类实验中，与传统分类算法相比，所提方法在11个数据集上的分类准确率均有提升；与FastShapelet算法相比，提升了运行效率，缩短了算法的运行时间，并在趋势信息明显的数据上效果显著。结果表明，所提方法能有效提高时间序列的分类准确率，提升算法运行效率。

shapelet；趋势特征；符号化；多样化top-k查询; 时间序列分类

0 引言

近些年来，人们对于时间序列数据挖掘的兴趣越来越浓厚。其中大多数的研究是基于不同距离度量方法的最近邻算法，如欧氏距离、动态时间归整(Dynamic Time Warping，DTW)等。2009年，Keogh等提出了shapelet的概念[1]，引起了广泛的关注，并在时间序列的分类[2]和聚类[3]等领域有了广泛的应用。……