-
题名基于改进核函数的支持向量机时间序列数据分类
被引量：2
- 1
-
-
作者
李翔宇
李瑞兴
曾燕清
-
机构
闽江师范高等专科学校计算机系
物联网福建省高校应用工程中心
福建江夏学院电子信息科学学院
-
出处
《信阳农林学院学报》
2021年第1期121-126,共6页
-
基金
福建省教育厅中青年科研项目(JZ180628)
福建省中青年教师教育科研项目(JAT170617)。
-
文摘
针对传统支持向量机(support vector machine,SVM)对时间序列数据分类,仅通过样本在空间中的几何距离判别样本的类别,提出了一种基于改进核函数的支持向量机算法(SVM_IK,SVM with improved kernel function)。该算法计算样本与空间基数据的时间序列互相关距离,将样本数据映射到新的特征空间中,实现对线性核函数改进,最终根据改进的线性核函数SVM算法对样本数据进行分类。算法通过25组UCR数据集的验证,实验结果显示与1-NN算法和传统SVM算法相比,SVM_IK算法对时间序列数据具有较好的分类效果。
-
关键词
时间序列互相关距离
SVM
时间序列数据
分类
-
Keywords
time-series cross-correlation distance
SVM
time series data
classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
