基于线性分段与HMM的时间序列分类算法.pdfVIP

第 24卷 第 4期 模式识别与人工智能 V01．24 No．4 2011年 8月 PR ＆ AI Aug 2011 基于线性分段与 HMM 的时间序列分类算法 尹 锐 李雄飞 李 军 彭 宏 (吉林大学 计算机科学与技术学院符号计算与知识工程教育部重点实验室 长春 130012) (新疆师范大学 网络教育学院乌鲁木齐 830054) 摘 要 抽象出时间序列的多段线性特征，并提出一种时间序列分类算法 ．该算法包括 3个模块：导数估值函数， 线性分段方法，DDHMM模型(基于 HMM)．首先，利用导数估值函数与线性分段方法检测多段线性特征，若满足多 线段特征，则将时间序列转化为特定结构的观察值序列；然后 ，利用训练观察值序列训练DDHMM模型，通过比较 各模型产生测试观察值序列的概率值进行分类．实验表明，针对满足多段线性特征的时问序列，该算法具有较高的 分类精度，应用在UCI数据集和实际工程中，分类效果好． 关键词 时间序列分类 ，隐马尔可夫模型，线性分段，导数估值 中图法分类号 TP391 TimeSeriesClassificationAlgorithm BasedonLinearSegmentationandHMM YIN Rui，LIXiong。Fei，LIJun ，PENG Hong (KeyLaboratoryofSymbolicComputationandKnowledgeEngineeringMinistryofEducation， CollegeofComputerScienceandTechnology，JilinUniversity，Changchun130012) 。( berEducationalCollege，Xb~iangNormalUniversity，Wulumuqi830054) ABSTRACT Themulti—segmentlinear(MSL)featureofthetimeseriesarecollected，andatimeseries classificationalgorithm isproposed，whichconsistsofderivativeestimationfunction，linearsegmentation methodandDDHMM model(baseonHMM)．Firstly，thederivativeestimationfunctionandthelinear segmentationmethodcanbeusedtogethertodetecttheMSLfeature．Iftheyarematched，timeseriescan beconvenedintoobservedsequencewithaspecialstructure．Next，thetrainingobservedsequencescan beusedtotrainDDHMM models．Aftertraining，thetimeseriesareclassifiedthroughcomparingthe probabilityvalueoftestingobservedsequencesgeneratedbyeachmode1．Theexperimentalresultsshow thattheproposedalgorithm hasahighaccuracywhenclassifyingthetimeseriesthatmatch theMSL feature，andithasgoodperformanceintheclassificationontheUCIdatasetandtheactualprojects． KeyW ords TimeSerieSClassification．HiddenM