不平衡时间序列集成分类方法研究

目录

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