基于正交局部保持映射和成本优化的多变量时间序列早期分类模型.pdfVIP

JournalofComputerApplicationsISSN1001‑90812024‑06‑10

计算机应用,2024,44(6):1832-1841CODENJYIIDUhttp：//www.joca.cn

文章编号：1001-9081（2024）06-1832-10DOI：10.11772/j.issn.1001-9081.2023060761

基于正交局部保持映射和成本优化的

多变量时间序列早期分类模型

*

袁子璇，翁小清，戈宁振

（河北经贸大学信息技术学院，石家庄050061）

（∗通信作者电子邮箱xqweng126.com）

摘要：时间序列早期分类（ETSC）有两个矛盾的目标：早期性和准确率。分类早期性的实现，总是以牺牲它的准

确率为代价。现有基于优化的多变量时间序列（MTS）早期分类方法，虽然在成本函数中考虑了错误分类成本和延迟

决策成本，却忽视了MTS数据集样本之间的局部结构对分类性能的影响。针对这个问题，提出一种基于正交局部保

持映射（OLPP）和成本优化的MTS早期分类模型（OLPPMOAE）。首先，使用OLPP将MTS样本前缀映射到低维空间，

保持原数据集的局部结构；其次，在低维空间训练一组高斯过程（GP）分类器，生成训练集每个时刻的类概率；最后，使

用粒子群优化（PSO）算法从这些类概率中学习停止规则中的最优参数。在6个MTS数据集上的实验结果表明，在早

期性基本持平的情况下，OLPPMOAE的准确率显著高于基于成本的R1_Cl（stoppingRuleandCostfunctionwith

r

regularizationtermlandl）模型，平均准确率能够提升11.33%~15.35%，调和均值（HM）能够提升4.71%~9.01%。因

12

此，所提模型能够以较高的准确率尽早地分类MTS。

关键词：多变量时间序列；早期分类；正交局部保持映射；成本优化；高斯过程分类器

中图分类号：TP181文献标志码：A

Earlyclassificationmodelofmultivariatetimeseriesbasedon

orthogonallocalitypreservingprojectionandcostoptimization