基于2DSVD的多变量时间序列半监督分类

作者：单中南^*; 翁小清; 马超红

来源：计算机系统应用, 2019, 28(11): 153-160.

DOI：10.15888/j.cnki.csa.007139

• 多变量时间序列
• 二维奇异值分解(2DSVD)
• 半监督分类

目前时间序列半监督分类研究主要集中在单变量时间序列,由于多变量时间序列(MTS)变量之间存在复杂关系, MTS的半监督分类研究比较少.针对这种情况,提出一种基于二维奇异值分解的MTS半监督分类方法,该方法首先计算行-行以及列-列协方差矩阵的特征向量,然后从MTS样本中提取特征矩阵;特征矩阵的行数以及列数不仅比原MTS样本低,而且还清晰地考虑了MTS样本的二维特性.在10个MTS数据集上的实验结果表明,该方法的分类性能显著地好于使用扩展Frobenius范数、中心序列、以及基于一维奇异值分解的半监督分类方法.

• 单位
  河北经贸大学