[發明專利]一種基于多層次shapelet的時間序列數據分類方法

在審

• 申請號: 202010696976.2
• 申請日: 2020-07-20
• 公開（公告）號: CN111814897A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 丁琳琳;脫乃元;曹魯杰;張翰林;宋寶燕
• 申請（專利權）人: 遼寧大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 沈陽杰克知識產權代理有限公司 21207
• 代理人: 羅瑩

一種基于多層次shapelet的時間序列數據分類方法，步驟1)時間序列數據的預處理：對原始時間序列使用SAX方法進行數據降維處理；步驟2)時間序列初始子序列的獲取：滑動窗口的方法來提取時間序列中的子序列集合，通過改變和調整窗口的大小，間接控制子序列的提取長度；步驟3)多層次shapelet候選集的發現與提取：通過提出的多層次shapelet框架對候選集合進行過濾與合并，選擇信息增益大的shapelet作為候選集；4)Shapelet轉換及構建分類器。本發明通過上述方法，提供了一種高效的多層次shapelet候選集過濾模型，有效的減少shapelet候選集的數量并快速篩選了具有較高分類能力的shapelet集合，然后通過ELM分類器實現時間序列數據的有效分類。

技術領域

本發明屬于時間序列數據挖掘領域，涉及一種時間序列數據的分類方法，發明具體始終 涉及一種基于多層次shapelet的時間序列數據分類方法。

背景技術

時間序列數據通常表示了在相等間隔的時間段內，依照設定的采樣頻率對某種潛在過程 進行觀測而獲得結果，其數據來源于醫學診斷、災難預測、商業監測等領域。時間序列數據 一般具有數據量大、維度高、更新快等特點。時間序列數據分類一直是時間序列數據挖掘領 域中的重點問題，具有廣泛的應用領域。時間序列分類任務中，shapelet技術是解決時間序 列分類問題的一個有效方法。基于shapelet的分類方法具有解釋性高、還原性強、運行效率 高、分類準確率高等特點，更能清晰反映出數據所對應的類別，更能體現出預期分類效果的 直觀性。然而，現有的shapelet獲取方法仍然存在候選集過多，計算量過大的問題。一方 面，借助shapelet方法需要逐一判斷時間序列中子序列的區分能力，通過距離相似度計算會 產生大量的運算代價，增加了發現過程中的復雜性；另一方面，在進行運算過程中，子序列 數量過多會產生大量候選集合和備選shapelet序列，導致直接計算耗費大量時間，為 shapelet的發現和提取帶來很大的挑戰。另外，ELM作為一種單隱層前饋神經網絡，具有訓 練速度快，分類精度高的特點，在眾多領域中應用廣泛，該方法可以將時間序列的分類問題 同現有的分類器相結合。因此，本發明結合于shapelet候選集合計算龐大的問題進行研究， 提出一種多層次shapelet候選集提取方法，運用ELM分類器對時間序列數據的分類問題展 開研究。

由于時間序列數據通常不具有直接特征，即使通過復雜的特征選擇技術，維的潛在特征 仍然很高，在時間序列數據分類之前，一般需要進行時間序列數據降維。目前，廣泛使用的 時間序列數據降維分類方法有PAA、SAX、shapelet方法等。Shapelet方法的本質是將時間 序列數據從原始輸入空間映射到新特征空間，然而，它忽略了原始時間序列中不同變量的時 間順序，在生成shapelet候選集的過程中，逐一判斷子序列的方法可能忽略了shapelet在形 狀上的近似關系，時間效率和計算量非常大。

發明內容

為了解決現有時間序列的shapelet分類方法的不足，本發明提供一種基于多層次shapelet的時間序列數據分類方法，能夠快速有效地處理高維時間序列數據準確分類的問題。

本發明的目的是通過以下技術方案實現的：

一種基于多層次shapelet的時間序列數據分類方法，其特征在于：其步驟為：

步驟1)時間序列數據的預處理：對原始時間序列使用SAX方法進行數據降維處理：

步驟2)時間序列初始子序列的獲取：滑動窗口的方法來提取時間序列中的子序列集 合，通過改變和調整窗口的大小，間接控制子序列的提取長度；

步驟3)多層次shapelet候選集的發現與提取：通過提出的多層次shapelet框架對候選 集合進行過濾與合并，選擇信息增益大的shapelet作為候選集；

4)Shapelet轉換及分類器構建：