声明
致谢
变量注释表
1 绪论
1.1 研究背景与意义
1.2.1 不均衡数据分类方法
1.2.2 时间序列分类方法研究现状
1.2.3 不平衡时间序列分类的研究现状
1.3 本文研究内容
1.4 论文结构
1.5 本章小结
2 相关工作
2.1 不平衡数据分类质量评价指标概述
(1)通用评价指标
(2)ROC 曲线和AUC 值
(3)PR 曲线和AUCPR 值
2.2 不平衡分类方法概述
2.2.1 数据层面
2.2.2 算法层面
2.3 集成学习理论概述
2.3.1 集成学习算法种类概述
2.3.2 时间序列上的异构集成算法 HIVE-COTE
2.4 分布式计算平台简介
2.5 本章小结
3 不平衡时序数据子序列质量评价指标的改进
3.1 引言
3.2 相关符号与定义
3.3 信息增益值对不平衡时序的不适用性分析
3.4 针对子序列质量评价指标的改进
3.4.1 基于 AUC的评价指标(AF指标)
3.4.2 基于 AUCPR的评价指标(AR指标)
3.4.3 基于优化指标的 shapelets分类方法
3.5.1 实验安排
3.5.2 实验数据和评价指标
3.5.3 实验结果
3.6 本章小结
4 不平衡时间序列集成分类算法研究
4.1 引言
4.2 相关算法介绍
4.3 结合 Boosting 和 SMOM采样的 ST--HESCA 组件算法
4.3.1 算法思路
4.3.2 算法说明
4.4.1 投票权重的调整
4.4.2 IMHIVE-COTE算法的整体概述
4.5.1 实验说明
4.5.2 实验结果
4.5.3 实验分析
4.6 本章小结
5 不平衡时间序列并行集成分类算法研究
5.1 引言
5.2 IMHIVE-COTE算法的并行化流程设计
5.2.1 HIVE-COTE组件算法耗时分析
5.2.2 IMHIVE-COTE并行运算逻辑设计
5.3 IMHIVE-COTE组件算法的并行化实现
5.3.1 SBST-HESCA算法的 RDD流程
5.3.2 Spark框架下的 shapelets选择算法
5.3.3 Spark框架下 Elastic Ensemble算法实现
5.3.4 Spark框架下 IMHIVE-COTE算法运行流程
5.4 实验结果与分析
5.5 本章小结
6 总结和展望
6.1 总结
6.2 展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学中国矿业大学(江苏);