| 改进KNN的时间序列分析方法 |
| |
| 引用本文： | 黄铭,孙林夫,任春华,吴奇石. 改进KNN的时间序列分析方法[J]. 计算机科学, 2021, 48(6): 71-78 |
| |
| 作者姓名： | 黄铭 孙林夫 任春华 吴奇石 |
| |
| 作者单位： | 西南交通大学信息科学与技术学院 成都 611756;西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室 成都 610031;西南交通大学信息科学与技术学院 成都 611756;美国新泽西理工学院大数据中心 新泽西州 纽瓦克07102 |
| |
| 基金项目： | 国家重点研发计划(2017YFB1401400,2017YFB1401401)~~； |
| |
| 摘 要： | 近年来,随着数据挖掘和机器学习的兴起,基于时间序列分析方法的研究愈加丰富.作为机器学习的经典方法,KNN(K-Nearest Neighbor)因其简单、准确度高等特性被广泛应用于时间序列分析的各个领域.然而,使用原始的KNN回归方法预测时间序列具有一定的局限性,直接使用欧氏距离作为相似度度量方法的预测效果并不理想,无...
|
| 关 键 词： | 时间序列分析 KNN 预测 相似度度量 误差项 |
Improved KNN Time Series Analysis Method |
| |
| HUANG Ming,SUN Lin-fu,REN Chun-hua,WU Qi-shi. Improved KNN Time Series Analysis Method[J]. Computer Science, 2021, 48(6): 71-78 |
| |
| Authors: | HUANG Ming SUN Lin-fu REN Chun-hua WU Qi-shi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
