|
|||||
|
|
| 基于改进核函数的支持向量机时间序列数据分类 | |
| 作者单位： | ;1.闽江师范高等专科学校计算机系;2.物联网福建省高校应用工程中心;3.福建江夏学院电子信息科学学院 |
| 摘 要： | 针对传统支持向量机(support vector machine,SVM)对时间序列数据分类,仅通过样本在空间中的几何距离判别样本的类别,提出了一种基于改进核函数的支持向量机算法(SVM_IK,SVM with improved kernel function)。该算法计算样本与空间基数据的时间序列互相关距离,将样本数据映射到新的特征空间中,实现对线性核函数改进,最终根据改进的线性核函数SVM算法对样本数据进行分类。算法通过25组UCR数据集的验证,实验结果显示与1-NN算法和传统SVM算法相比,SVM_IK算法对时间序列数据具有较好的分类效果。 |
| 关 键 词： | 时间序列互相关距离 SVM 时间序列数据 分类 |
Classification of Support Vector Machines Based on Improved Kernel Function on Time Series Data |
|
| Abstract: | |
| Keywords: | |