shapelets是描述时间序列局部特征的子序列,它能最大程度对不同类别进行区分.从它的发明至今一直吸引着研究者的关注,但是由于过高的时间复杂度阻碍了它被广泛应用.一种快速查找多个shapelets的方法(Non-Similar Discover of Shapelet,NSDS)被提出:基于shapelets非相似的特性,根据子序列间距离分布设置一个距离阈值,以此过滤掉候选集中的相似子序列.再使用类可分离性作为过滤后的候选子序列的评价标准,最终选择出性能最好的多个shapelets.通过在单变量时间序列数据集上的实验表明了该方法可以极大缩短查找shapelets时间,而且能保持较高的分类准确性.将该方法扩展到多变量时间序列,对多个变量采用组合分类器的方法来提高整体分类的准确率.
展开▼
