基于增量式决策树的时间序列分类算法研究.pdfVIP

／ 序列 中的位置。从时间序列 中获取的所有长度为 Z 对于基于决策树的时间序列分类 问题 ．主要考虑 的时间序列子序列定义为 ，其中 ={ ，l≤p≤m— 到时间序列数据维度高、自相关性 以及连续数据的特 点 ．提出了一种基于增量式决策树的时间序列分类算 l+l}。 法 。 定义 4 时间序列之间的距离 ：距离函数Dist(T， R)表示输入为两条具有相同长度的时间序列T和 2 基于决策树的时间序列分类 R，输出为非负值 d，即两条时间序列之间的距离翻。且 正如基本决策树理论所描述．它采用了一种分而 由函数我们知道，距离公式具有对称性，即Dist(T，R)= 治之的策略 ，而且算法本身具有可解释性。在此基础 Dist(R，T)。 上 ．提出了一种发现 shapelet的过程 ．即发现一条时间 定义 5 时间序列到子序列之间的距离 ：函数 序列中最具代表性的时间序列3[1。事实上 ，这个过程需 SubsequenceDist(T，S)用于定义时间序列 与子序列Js 要很大的存储空间去存储候选集的相关信息 ．能够在 之间的距离 。其中输入为时间序列 和子序列 ．s．输出 判断最优 shape1et的同时 ．生成候选集然后删除非最优 为非负值d，即两条时间序列之间的距离，如公式(1)所 的候选集．这样就能够节省大量的空间。从另一方面来 示 。 说，shapelet的方法会产生很大的时间复杂性嗍。假定时 SubsquenceDist(T，S)=min(Dist(S，S，))， 间序列 shapelet的长度为k．平均每一个时间序列的长 其中S∈．s：’ (1) 度为 ．那么候选集的空间复杂度为 O(Vn~k)。其中搜 从公式 (1)可以看出．时间序列 与子序列S之间 索每一个候选集需要的时间复杂度为D(”，那么搜 的距离为两个序列之间的最小距离。另外，可能需要一 索整个候选集的时间复杂度为D( )。 些度量标准来分裂数据集 ．传统的决策树中的信息增 基于上述描述的时间序列分类问题的时间复杂度 益即为典型的例子 和空间复杂度 ．那么提出了两种加速策略： 定义 6熵：一个时间序列数据集 D共有两个类A (1)子序列早期放弃 (SDEA)策略 在发现 shapelet的过程中．需要全局搜索时间序列 和B，假定数据集 D中属于类A的对象比例为P(A)， 属于类 B的对象 比例为P(B)，则熵的定义如公式 (2) 数据集。在全局搜索的过程中．涉及到计算候选序列到 所示 。 一 条时间序列序列的距离。子序列到一条时间序列序 列的距离为子序列到时间序列中相同长度的子序列距 I(D)=一P(A)l0g(P(A))-P(B)log(P(B)) (2)