[发明专利]基于提取核特征早期预测多变量时间序列类别的分类方法

权利要求书

1.一种基于提取核特征早期预测多变量时间序列类别的分类方法，其特征在于，包括下列步骤：

步骤1，对训练数据集中多变量时间序列，提取各变量的时间序列中子序列作为候选特征，并基于准确率和召回率获取每个候选特征的阈值；从各变量的候选特征中选择准确率达到预定值的候选特征构成变量的特征集；

步骤2，对步骤1所得各变量的特征集按类别分别聚类得到若干个簇，在每个簇中选取性能最佳的特征为核特征，每个变量的各簇核特征的并构成各变量的核特征集；所有变量的核特征集的并集为多变量时间序列的核特征集；

步骤3，根据步骤2所得多变量时间序列的核特征集，分类预测检测数据集中多变量时间序列的类别。

2.根据权利要求1所述的基于提取核特征早期预测多变量时间序列类别的分类方法，其特征在于：步骤1中，某候选特征f的阈值δ获取方式为，求候选特征f与训练集数据中所有样本对应变量时间序列的相似度，对候选特征f与所有样本对应变量时间序列的相似度进行排序，按序取相邻两相似度的中点得到若干候选阈值，并基于F-measure方法根据准确率和召回率评价各候选阈值的性能，选取最优性能的候选阈值作为候选特征f的阈值δ。

3.根据权利要求1所述的基于提取核特征早期预测多变量时间序列类别的分类方法，其特征在于：步骤3进行分类采用基于多数投票原则的分类器，包括通过度量各变量的时间序列的与相应核特征集中特征的相似度，若某变量的时间序列与相应核特征集中的某一特征匹配成功，则该变量的时间序列类别为匹配特征的类别；若多数变量的时间序列类别一致，此类别即为多变量时间序列的类别。

4.根据权利要求1所述的基于提取核特征早期预测多变量时间序列类别的分类方法，其特征在于：步骤3进行分类采用基于规则的分类器，包括基于各变量的核特征集和指定的约束条件，产生规则集，每条规则由一个或者多个特征构成，但最多只包含各变量的一个核特征；基于规则集，预测多变量时间序列的类别。

5.根据权利要求１或2或3或4所述的基于提取核特征早期预测多变量时间序列类别的分类方法，其特征在于：步骤2在每个簇中选取性能最佳的特征为核特征时，评估某特征f的性能Quality(f)的函数如下，

Quality(f) = 1 / (w₀/Earliness(f) + w₁/Precision (f) + w₂/Recall(f))，

其中w₀、w₁、w_2，分别表示早期度Earliness、准确率Precision 、召回率Recall的权重。