10.3969/j.issn.1000-386x.2020.07.042
基于集成回声状态网络Fisher核的时间序列分类算法
针对传统的欧氏距离度量已经无法适用于非欧的模型空间,且单个模型不能很好地捕捉到数据复杂的分布结构等问题,提出一种新算法.将时间序列转换到模型空间后,使用Fisher核来度量函数模型之间的差异,并用AdaBoost集成来拟合数据分布.在基准数据集上与主流算法相比,该算法具有更好的分类准确度和鲁棒性.
时间序列分类、Fisher核、回声状态网络、AdaBoost算法
37
TP3(计算技术、计算机技术)
2020-07-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
253-258,274