463.
现实生活中广泛存在的高维时序数据常常具有决策属性且时间长度不等的特点,使得现有的邻域粗糙集特征选择算法不再适用或分类性能下降。为了解决该问题,提出了一种基于DTW
M度量的高维时序数据的特征选择方法。首先,引入马氏距离定义高维动态时间扭曲距离(DTW
M)用于度量属性间的相似性;接着定义了时序决策信息系统,用于存放非等长高维时序数据;提出基于DTW
M距离度量的时序邻域关系和时序邻域粗糙集模型;最后通过定义内、外重要度,给出了属性依赖度作为筛选和提出属性的重要指标,进而提出了基于DTW
M度量的高维时序数据的特征选择方法。通过五个公开数据集上的实验结果表明,所提算法较其他算法在分类精度上平均提升了14.2%和21.7%,充分证明了其有效性和优越性。… …
相似文献