面向时间序列有序分类的Shapelet抽取算法

当前面向时间序列有序分类的Shapelet抽取算法，首先计算Shapelet与时间序列之间的欧式距离及其类别标签之间的距离，然后根据两种距离的皮尔逊相关系数或斯皮尔曼相关系数来对Shapelet进行评价，效率较低。针对该问题，提出一种基于SAX表示时间序列的Shapelet评价指标CD-Cover，该指标同时考虑Shapelet对时间序列数据集的覆盖集中度和覆盖优势度。其次，提出一种基于随机采样的Shapelet抽取算法，该算法采用布隆过滤器对候选Shapelet进行预剪枝，采用移除自相似策略对抽取结果进行后剪枝。在11个时间序列公开数据集上的实验结果表明，相比现有方法，该算法抽取的Shapelet具有更好的有序分类能力，且算法的计算效率也更高。