计算机工程

作者：严银凯, 彭宁宁, 易丽莎

单位：武汉理工大学理学院, 湖北 武汉 430070

关键词：时间序列,时间序列分类,时间倾斜,持续同调,持久性图

基金：国家自然科学基金(11701438)。

针对现有时间序列分类算法对高维拓扑信息以及时序顺序信息提取能力不足等问题,提出一种基于持续同调的倾斜时间序列分类算法。该算法结合时序数据方差,将原始单变量时序数据嵌入二维点云,同时展现出周期内和周期间的时序变化;在滑动窗口划分的子区间上进行时间倾斜,将点云分解为不同结构,从而使算法适应更多的时序数据,有效捕捉时序顺序信息;利用持续同调技术在点云上构建Vietoris-Rips(VR)复形流,从不同尺度分析各个维度下孔洞数量的变化,从而提取到更全面的时序数据的拓扑结构特征,并通过计算持久性图像得到点云中的拓扑特征。在此基础上,以持久性中心表示向量作为输入,使用随机森林模型对点云进行分类。在9个UCR时间序列数据集上进行对比实验,结果显示,该算法在其中8个数据集上取得了最高的准确率,相较于其他6种传统时间序列分类算法分类准确率提高了0.5~24个百分点,F1值提高了0.9~23.9个百分点,表明该算法在时间序列数据分类方面具有较高的精度和良好的鲁棒性。

来源：2024年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第6期