公开(公告)号：CN106295703B

公开(公告)日：2022-03-25

申请号：CN201610671152.3

申请日：2016-08-15

申请人： 清华大学

发明人： 孙富春 ,  黄文炳 ,  曹乐乐 ,  杨豪琳

IPC分类号： G06K9/62 ,  G06V10/774 ,  G06V10/764 ,  G06V10/40

摘要： 本发明涉及一种对时间序列进行建模并识别的方法，属于机器学习领域。该方法包括将传感器采集的数据按采集时间先后顺序排列而成的动态数据构成L条时间序列，随机选择L条时间序列中的60％‑80％的N条时间序列作为训练集，剩下的时间序列作为测试集；对训练集中的每一条时间序列采用线性动态系统模型进行建模，并训练集每一条时间序列的特征表示；随机从训练集中抽取J条时间序列作为字典组成字典集，从得到的训练集每一条训练时间序列的特征表示，学习出字典集的每一条时间序列的最优特征表示，同时计算每一条训练时间序列在字典集下的编码系数；用训练集的编码系数训练支持向量机模型，实现对时间序列的识别。本方法大幅降低了数据表示的复杂度，同时显著提高识别精度。

公开(公告)号：CN106295703A

公开(公告)日：2017-01-04

申请号：CN201610671152.3

申请日：2016-08-15

申请人： 清华大学

发明人： 孙富春 ,  黄文炳 ,  曹乐乐 ,  杨豪琳

IPC分类号： G06K9/62 ,  G06K9/46

CPC分类号： G06K9/6256 ,  G06K9/46 ,  G06K9/6269 ,  G06K2009/4695

摘要： 本发明涉及一种对时间序列进行建模并识别的方法，属于机器学习领域。该方法包括将传感器采集的数据按采集时间先后顺序排列而成的动态数据构成L条时间序列，随机选择L条时间序列中的60％-80％的N条时间序列作为训练集，剩下的时间序列作为测试集；对训练集中的每一条时间序列采用线性动态系统模型进行建模，并训练集每一条时间序列的特征表示；随机从训练集中抽取J条时间序列作为字典组成字典集，从得到的训练集每一条训练时间序列的特征表示，学习出字典集的每一条时间序列的最优特征表示，同时计算每一条训练时间序列在字典集下的编码系数；用训练集的编码系数训练支持向量机模型，实现对时间序列的识别。本方法大幅降低了数据表示的复杂度，同时显著提高识别精度。