无监督特征选择在时间序列数据挖掘中的应用

摘要

疲劳驾驶是交通事故发生的主要原因之一,为了精确预测驾驶员疲劳程度,提出一种基于度量学习的无监督特征选择与识别方法。首先,在对脑电图进行特征提取时,多特征表示的方法克服了传统方法相对单一、往往不能完整表达时间序列信息的缺陷。然后,基于度量学习的特征选择方法对变换之后的特征进行选择,有效降低了样本维度;最后引入支持向量机分类器对其进行分类。通过在公开数据集和真实数据集上对各种过滤式特征选择方法进行的比较实验说明了该方法的有效性。