| 基于深度置信网络的多变量时间序列分类方法 |
| |
| 引用本文： | 朱海浩,祝永新,汪辉. 基于深度置信网络的多变量时间序列分类方法[J]. 计算机仿真, 2021, 38(12): 262-266. DOI: 10.3969/j.issn.1006-9348.2021.12.053 |
| |
| 作者姓名： | 朱海浩 祝永新 汪辉 |
| |
| 作者单位： | 中国科学院上海高等研究院,上海201210;中国科学院大学,北京100049;上海科技大学信息科学与技术学院,上海201210;中国科学院上海高等研究院,上海201210 |
| |
| 摘 要： | 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,提出了基于深度置信网络的多变量时间序列分类方法.通过构建深度置信网络模型结构,基于受限玻尔兹曼机,提取可见单元与隐藏单元特征信息,采用Isomap算法,在深度置信网络内进行优先特征提取操作,通过附加约束构造半正定矩阵,降维处理多变量时间序列.在低维特征空间内,利用支持向量机中分线性分类函数,计算得到拉格朗日乘子,根据正则化参数特性,通过高斯核函数,计算得到最优核函数,完成多变量时间序列分类.实验结果表明,提出方法的泛化误差较小,能够有效提高多变量时间序列分类精度,缩短多变量时间序列分类时间.
|
| 关 键 词： | 深度置信网络 多变量时间序列 时间序列分类 拉格朗日乘子 支持向量 高斯核函数 |
Multivariate Time Series Classification Method Based on Deep Confidence Network |
| |
| ZHU Hai-hao,ZHU Yong-xin,WANG Hui. Multivariate Time Series Classification Method Based on Deep Confidence Network[J]. Computer Simulation, 2021, 38(12): 262-266. DOI: 10.3969/j.issn.1006-9348.2021.12.053 |
| |
| Authors: | ZHU Hai-hao ZHU Yong-xin WANG Hui |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
