-
题名基于加权局部复杂不变性的时间序列分类算法
- 1
-
-
作者
李怡桐
刘晓涛
刘静
吴凯
-
机构
西安电子科技大学广州研究院
西安电子科技大学人工智能学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2022年第10期2194-2203,共10页
-
基金
国家自然科学基金(61773300)
科技部科技创新2030-“新一代人工智能”重大项目(2018AAA0101302)。
-
文摘
为解决现有方法对较长、复杂度分布不均序列的错分类问题,提取序列复杂度的局部信息,提出了加权局部复杂度不变性距离(WLCID),包含复杂度局部表征和全局加权整合两个模型。利用滑窗分解序列,结合复杂度不变性距离表示方法提取局部复杂度信息;通过建立类表征模型,以类间距越大的子段对分类正确的贡献度越大为依据,通过归一化累积类间距来量化整合权重。与相似算法的对比实验表明:此方法不仅在复杂度分布不均的数据中表现突出,在大多数测试集也有较好的效果。在分类和聚类任务上精度的提升,说明方法在表示时间序列形态特征的复杂度信息上具有较好的能力。
-
关键词
复杂度不变性距离
局部复杂度表征
全局复杂度加权整合
类表征模型
时间序列分类
-
Keywords
complexity-invariant distance
local complexity representation
weighted global complexity integration
class representation model
time series classification
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名对基于项目的协同过滤推荐系统的改进
被引量：12
- 2
-
-
作者
傅鹤岗
王竹伟
-
机构
重庆大学计算机学院
-
出处
《重庆理工大学学报（自然科学）》
CAS
2010年第9期69-74,共6页
-
文摘
对基于项目的传统的协同过滤算法进行了改进。传统的基于项目的协同过滤算法面临推荐效率低下和推荐精度不高的双重困难,为此,提出加权整合聚类分类预测方法,在数据处理和预测推荐过程中分别采用加权评分填充和重新定义相似性的办法提高推荐的准确度,并采用项目聚类的方法提高推荐效率,同时提出贡献度参数的概念对数据处理和预测推荐过程进行修正。采用MovieLens的数据集进行的实验对比,结果表明:改进算法能够明显提高协同过滤推荐算法的效率和精度,在数据比较稀疏的情况下依然能够保持较低的平均绝对偏差和较高的推荐效率。
-
关键词
加权整合
分类预测
贡献度参数
平均绝对偏差
推荐效率
-
Keywords
weighted integration
classification and prediction
contribution degree parameter
average absolute deviation
recommendation efficiency
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
