一种早期分类不平衡多变量时间序列数据的方法

摘要

本发明公开了一种早期分类不平衡多变量时间序列数据的方法。首先，针对类间数据规模不平衡问题，根据不平衡性比例，将大类类别数据集欠采样划分为多个子集，分别与小类类别数据组合构成多个子训练集。其次，对各子训练集进行核特征的提取与选择，并以核特征构建基于规则的子分类器。其中，为了解决类内子概念的数据规模不平衡问题，特征选择过程采用聚类实现，以保证核特征的多样性。最后，基于各子分类器，以子分类器对训练集中数据的分类效果求取权重，构建集成分类器。本发明的该分类器能够针对不平衡数据集的多变量时间序列分类问题，达到较高的准确率与较好的早期度。