[发明专利]一种基于特征采样的时间序列分类方法及装置

权利要求书

1.一种基于特征采样的时间序列分类方法，其特征在于，包括：

通过特征采样方法将训练用的时间序列数据集转化为具有等长特征的训练数据集，并将测试用的时间序列数据集转化为具有等长特征的测试数据集；

采用集成学习分类方法，利用所述具有等长特征的训练数据集进行模型训练；

使用训练后的模型对所述具有等长特征的测试数据集进行时间序列分类；

所述特征采样方法为分段特征采样方法，包括：

设置分段长度l₁，分段个数m₁和分段之间间隔g₁；

对于时间序列数据集中的每一条时间序列数据，从时间序列数据开始位置进行采样，选取连续的l₁个时间序列数据作为第一段特征数据，之后每一段采样开始的位置为上一段采样开始的位置加上分段之间间隔g₁，每一段均选取l₁个序列数据，采样后将每一条时间序列数据转换为m₁个特征数据；

所述集成学习分类方法为基于bagging的随机森林分类器。

2.一种基于特征采样的时间序列分类装置，其特征在于，至少包括：数据采样单元、模型训练单元和模型预测单元；

所述数据采样单元，用于通过特征采样方法将训练用的时间序列数据集转化为具有等长特征的训练数据集，并将测试用的时间序列数据集转化为具有等长特征的测试数据集；

所述模型训练单元，用于采用集成学习分类方法，利用所述具有等长特征的训练数据集进行模型训练；

所述模型预测单元，用于使用训练后的模型对所述具有等长特征的测试数据集进行时间序列分类；

所述数据采样单元采用的特征采样方法为分段特征采样方法，包括：

设置分段长度l₁，分段个数m₁和分段之间间隔g₁；

对于时间序列数据集中的每一条时间序列数据，从时间序列数据开始位置进行采样，选取连续的l₁个时间序列数据作为第一段特征数据，之后每一段采样开始的位置为上一段采样开始的位置加上分段之间间隔g₁，每一段均选取l₁个序列数据，采样后将每一条时间序列数据转换为m₁个特征数据；

所述模型训练单元采样的集成学习分类方法为基于bagging的随机森林分类器。