一种基于卷积神经网络的多元时序数据的分类方法
专利类型：发明专利
语 言：中文
申 请 号：CN201810270388.5
申 请 日：20180329
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙坪坝正街174号
公 开 日：20180904
公 开 号：CN201810270388.5
代 理 人：胡柯
代理机构：北京众合诚成知识产权代理有限公司 11246
摘 要：本发明公开了一种基于卷积神经网络的多元时序数据的分类方法，它包括S1：获取多元时间序列数据；S2：对获取的多元时间序列数据进行去噪预处理；S3：采用卷积神经网络对预处理得到的多元时间序列数据降维；S4：对降维得到的数据采用分段聚合算法进行分段，计算聚合后的序列数据的欧式距离，根据欧式距离定义阈值进行区分并形成分类结果。本发明取得的有益效果是：既能较好保留原多元时序数据的基本结构特征，又能采用分段聚合方法对其进行分类分析；采用卷积神经网络对原多元时序数据降维表示；然后采用分段聚合的方法对降维表示后的结果进行特征提取，最后将该特征提取的结果采用欧氏距离形成分类方法。
主 权 项：1.一种基于卷积神经网络的多元时序数据的分类方法，其特征在于，所述方法包括有以下步骤：S1：获取多元时间序列数据；S2：对获取的多元时间序列数据进行去燥预处理；S3：采用卷积神经网络对预处理得到的多元时间序列数据降维；S4：对降维得到的数据采用分段聚合算法进行分段，计算聚合后的序列数据的欧式距离，根据欧式距离定义阈值进行区分并形成分类结果。
关 键 词：卷积神经网络;多元时序;时间序列数据;分段聚合;降维;预处理;分类;欧式距离;特征提取;基本结构特征;分类结果;欧氏距离;数据采用;数据降维;序列数据;去噪;算法;分段;聚合;保留;分析
法律状态：生效
IPC专利分类号：G06K9/62;G06K9/00;G06N3/04;G06N3/00;G;G06;G06K;G06N;G06K9;G06N3;G06K9/62;G06K9/00;G06N3/04;G06N3/00