时间序列分类相关论文
时间序列的多尺度特征包含丰富的类别信息，且这些信息对分类具有不同的重要程度，然而现有的单变量时间序列分类模型通常以固定大小的......
飞行安全一直是民航业关注的重点,其中着陆阶段是整个飞行过程中不安全事件最频发的阶段。重着陆作为一种着陆阶段的典型超限事件,......
由于症状隐匿、诱因复杂、表述模糊且无有效诊断标准,长期以来心理问题困扰着无数高校学生,导致各类事故频发。如何对异常情绪进行......
准确的用户电表与变压器（台区）归属关系是实现低压台区线损精确计算分析的前提。为解决因用户数据量太少极易造成台区归属误判的问题......
时间序列在现实生活中有广泛的应用,如何对时间序列数据进行有效的建模成为广大研究的焦点之一。时间序列分类与时序异常检测任务......
时间序列几乎无处不在,对其进行分析和建模有利于人们发现事物的本质和发展规律,从而为人们提供更科学的决策依据。对时间序列的分......
工况识别是实现生产过程稳定控制,提高产品质量和节能降耗的关键。在工业现场中,异常工况出现概率较低,类别不均衡现象广泛存在。......
由于空间时敏运动目标会产生明显高于空间背景的红外辐射,分析其红外辐射信号是一种重要的目标分析手段。基于红外辐射信号的空间......
随着社会发展,数据类型愈发多样化,时间序列数据是随时间变化生成的一系列连续实值,通常在时间上存在前后关系,它的特点是数据量大......
时间序列是大数据的一种重要存在形式,对其利用的方式之一就是通过聚类或分类来挖掘其中的类别信息。时间序列分类（Time series cla......
时间序列通常是指在相同时间间隔上对特定观测点连续取值形成的一组数据。在时间序列的很多应用领域中,一个分类对象可能同时对应......
导弹防御系统对维护国家和地区安全意义重大。对导弹目标的快速检测和准确识别是导弹拦截的基础和前提,同时也是现代导弹防御系统......
时间序列是对一个系统中的变量按照时间顺序观测,按照单位时间进行记录得到的观测值。根据系统中被观察的变量个数,可以将时间序列......
针对当前多变量时间序列分类方法未考虑降维处理多变量时间序列,导致多变量时间序列分类精度较低,分类时间较长的问题,提出了基于......
时间序列分类是一个具有广泛实际应用背景的研究方向。由于受到数据采集过程中设备、采样技术、采样环境等多重因素的影响,获得的......
随着传感器技术和互联网技术的迅速发展,时间序列数据正以一种前所未有的速度不断产生和积累。时间序列中蕴含着丰富的信息,对其进......
目的：在时间序列分类任务中,针对时间序列数据少和多样性导致深度学习模型准确率不高的问题,提出Mixup数据增强的LSTM-FCN时间序列......
LTE-R系统是3GPP为了适应高速铁路的运营和业务需求而提出的一种新的移动带宽接入标准。信号连续传输在列车的运行过程中起着重要......
胎心率监护作为产科临床的常规检查项目,对于孕妇围产期的胎儿健康监测有着重要的意义。超声多普勒检测法是目前最常用的胎心率监......
时间序列数据是一组具有顺序关系的实值型数据的集合,广泛存在于日常生活中的各个领域。这类数据通常存在数据规模大、局部形状特......
时间序列数据广泛存在于我们的日常生活中,时间序列分类问题是所面临的重要问题之一,现有的时间序列分类方法可大致分为基于距离的......
时间序列分类是时序数据挖掘领域的一个研究热点,该任务的本质是对输入时间序列赋予一个预定义的标签。Shapelet是时间序列中具有......
空间目标识别是导弹防御系统末制导信息处理的关键技术,红外目标识别作为主要识别手段,需要准确快速地从众多的真假弹头、诱饵、碎......
时间序列数据是一种常见的数据形式,普遍存在于日常生活的各个领域,与我们的生活工作息息相关。发现生活中的一些潜在的规律,并应......
时间序列分类和不平衡数据分布是实际应用中普遍存在的问题。时间序列存在数据维度高、数据之间相关性强和噪声干扰多等特点,而不......
时间序列分类(TSC)是数据挖掘领域中重要且富有挑战性的问题之一.首先将时间序列数据按照Gramian Angular Summation/Difference F......
目的 基于手机内置传感器所获得人体运动信号,建立人体运动识别模型,为身体状况评估、特殊人群监护以及其他生物医学研究提供支持.......
时间序列数据广泛存在于日常生活中，充分挖掘时间序列数据中存在的隐藏信息具有重要意义。但是，时间序列往往表现出复杂的特点，比如时......
时间序列数据分类问题是数据挖掘的重要课题之一,广泛地存在于各个研究领域.研究者发现简单的1 NN-DTW分类方法在时间序列分类精度......
针对数据挖掘过程中对异常数据检测的准确率较低、分类速度较慢,导致数据分类准确率较低、效率较差的问题,提出基于连续密度隐马尔......
时间序列shapelets是时间序列中能够最大限度地表示一个类别的子序列.解决时间序列分类问题的有效途径之一是通过shapelets转换技......
针对基于shapelets转换的时间序列分类算法因shapelets候选集中存在大量相似序列而造成耗时过长的问题,提出了一种基于LSH的shapel......
基于符号表示的时间序列分类方法是时间序列数据挖掘的关键技术。大部分现有方法主要针对单个时间序列样本进行符号表示,没有考虑......
时间序列建模问题因有着重要的应用价值已经成为机器学习领域的研究热点之一.循环神经网络(recurrent neural network,RNN)是近年......
如何提取和选择时间序列的特征是时间序列分类领域两个重要的问题。该文提出MNOE(Mining Non-Overlap Episode)算法计算时间序列中......
近年来,基于符号表示的时间序列分类方法受到广泛关注,大部分现有方法对原始数据进行符号表示时,没有使用类别的标签信息。提出基......
时间序列数据的分类和预测是数据挖掘领域的一个重要研究方向。线性模型曾广泛应用于众多领域问题的解决。然而,这些模型需要通过......
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......
金融、通信和气象等领域中高频时间序列的边际分布均为重尾分布,而传统时间序列预测算法大多将数据流考虑为正态分布,导致传统算法......
时间序列分类及预测是时间序列分析的重要组成部分,通过对大量的观测数据进行分析,能够预测出数据在未来的发展趋势,以便对将要发......
抽象出时间序列的多段线性特征,并提出一种时间序列分类算法.该算法包括3个模块:导数估值函数,线性分段方法,DDHMM模型(基于HMM).......
针对传统的欧氏距离度量已经无法适用于非欧的模型空间,且单个模型不能很好地捕捉到数据复杂的分布结构等问题,提出一种新算法。将......
路面异常会给驾驶员与行人带来不便,更可能引发交通事故。提出了一种通过传感器时序信号数据进行路面异常检测的算法。针对行驶过......
时间序列数据广泛存在于日常生活中的几乎每一个应用领域。它们是实值型的序列数据,具有数据量大,数据维度高,以及数据不断更新等......
为了保证路面质量和行人与驾驶员的安全,提出了一种利用传感器时序多变量信号数据进行路面异常检测的算法.针对行驶过程中需要结合......
