一种基于趋势距离的快速Shapelet提取算法

摘要

针对现有Shapelet提取方法无法反映趋势特点、提取结果与原始数据偏离程度略大的问题，提出了一种改进的快速Shapelet选择算法。本文首先提出了一种考虑时间序列相对趋势的距离计算方法，该方法能够更精确地度量时间序列的相似性。其次，将Shapelet特征与集成网络结合，使分类器受益于残差线性连接和注意机制，增强了算法的泛化能力。最后，在12个数据集上进行了对照试验。实验结果表明，本文方法可以获得88.0%的平均精度，与快速Shapelet算法相比平均精度提升了2.9%，尤其在ChlorineConcentration数据集上精度提高了13.3%；就加速率而言，该方法在10个数据集上的提取速度都超过了原算法，因此可以更高效地提取时间序列数据中的Shapelet。

关键词

Shapelet / 趋势特征 / Shapelet变换 / 子类划分 / 时间序列分类