公开(公告)号：CN108573059A

公开(公告)日：2018-09-25

申请号：CN201810384213.7

申请日：2018-04-26

Applicant: 哈尔滨工业大学

Inventor： 王宏志 ,  孟凡山 ,  齐志鑫 ,  高宏

IPC: G06F17/30

Abstract: 本发明涉及数据处理技术领域，提供了一种基于特征采样的时间序列分类方法及装置，该方法包括：通过特征采样方法将训练用的时间序列数据集转化为具有等长特征的训练数据集，并将测试用的时间序列数据集转化为具有等长特征的测试数据集；采用集成学习分类方法，利用所述具有等长特征的训练数据集进行模型训练；使用训练后的模型对所述具有等长特征的测试数据集进行时间序列分类。本发明先通过特征采样方法将不同长度的时间序列数据集转化为具有等长特征的数据集，再采用集成学习分类方法进行分类，提高时间序列分类的准确率，能够对于大规模的时间序列数据进行准确的分类。

公开(公告)号：CN108573059B

公开(公告)日：2021-02-19

申请号：CN201810384213.7

申请日：2018-04-26

Applicant: 哈尔滨工业大学

Inventor： 王宏志 ,  孟凡山 ,  齐志鑫 ,  高宏

IPC: G06K9/62 ,  G06F16/2458

Abstract: 本发明涉及数据处理技术领域，提供了一种基于特征采样的时间序列分类方法及装置，该方法包括：通过特征采样方法将训练用的时间序列数据集转化为具有等长特征的训练数据集，并将测试用的时间序列数据集转化为具有等长特征的测试数据集；采用集成学习分类方法，利用所述具有等长特征的训练数据集进行模型训练；使用训练后的模型对所述具有等长特征的测试数据集进行时间序列分类。本发明先通过特征采样方法将不同长度的时间序列数据集转化为具有等长特征的数据集，再采用集成学习分类方法进行分类，提高时间序列分类的准确率，能够对于大规模的时间序列数据进行准确的分类。