基于多样化top-k shapelets转换的时间序列分类方法
来源：计算机应用杂志2017年第2期北京时间：
作者：孙其法, 闫秋艳, 闫欣鸣
单位：1. 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221006;2. 中国矿业大学 安全工程学院, 江苏 徐州 221006
摘要：针对基于shapelets转换的时间序列分类方法中候选shapelets存在较大相似性的问题，提出一种基于多样化top-k shapelets转换的分类方法DivTopKShapelet。该方法采用多样化top-k查询技术，去除相似shapelets，并筛选出最具代表性的k个shapelets集合，最后以最优shapelets集合为特征对数据集进行转换，达到提高分类准确率及时间效率的目的。实验结果表明，DivTopKShapelet分类方法不仅比传统分类方法具有更高的准确率，而且与使用聚类筛选的方法（ClusterShapelet）和shapelets覆盖的方法（ShapeletSelection）相比，分类准确率最多提高了48.43%和32.61%；同时在所有15个数据集上均有计算效率的提升，最少加速了1.09倍，最高可达到287.8倍。
关键词：时间序列分类,shapelets,多样化top-k
基金资助：江苏省自然科学基金资助项目（BK20140192）；中国矿业大学青年科技基金资助项目（2013QNB16）。
