论文部分内容阅读
多变量时间序列的分类方法是时间序列知识发现的重要组成部分。因此,提出了多种多变量时间序列分类方法。然而,大部分的多变量时间序列方法都没有考虑鉴别性特征不受维度限制的时间序列。因此,本文提出了一种基于shapelet转换的特征提取方法。首先,从同一类别中的所有维度的候选shapelet中提取核心特征,它代替k个shapelet计算距离。其次,利用相似数量特征去加强分类的可靠性。最后,为缩短搜索和聚类shapelet的时间使用了距离矩阵。基于公共数据集的实验结果表明了该方法的有效性,且将实验结果成功地应用于阳