一种应用改进符号序列熵与滑动窗奇异值的退化特征提取方法_第1页
一种应用改进符号序列熵与滑动窗奇异值的退化特征提取方法_第2页
一种应用改进符号序列熵与滑动窗奇异值的退化特征提取方法_第3页
一种应用改进符号序列熵与滑动窗奇异值的退化特征提取方法_第4页
全文预览已结束

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

特征提取是数据处理的重要环节，它涉及到数据表示、降维、聚类、分类等许多任务，是许多机器学习算法的必要步骤。符号序列熵和滑动SN的km个符号m为符号集大小。假设每个符号在子段中出现的概率为pi，符号序列熵即为： 在实际应用中，pi常取等概率的符号集。该方法可以用于信号分析、分析和时-L的子度。具体地，设S为长度为N的信号，将其划分为k个长度为L的子段，对于第i个子段Si，将它转化为向量xi=[Si(1),...,Si(L)]T，其中Si(j)表示jxi的奇异值分解，得到n项主成分的频率谱和强度（nL的整数），原始数据，首先进行符号化处理，将其转化为包含n个非重复符号的符号序列Sn=[s1,s2,...,sn]，其中n为符号序列长度，si为符号集中的第iSnkL的子段，对每个子段m个区间，在每个区间nn为原始数据长度除以m，符号集大小为m。每个子段的频域特征。具体地，我们将符号序列分割为k个等长的子段，每个子段长度为L=n/k，然后对每个子段进行FFT变换，得到频域特征13个指标，对它们进行归一化和平均值为了评估该特征提取方法的性能，我们使用了4个经典的数据集进UCRTimeSeriesArchive、NewsAggregatorDataset、DiabetesDatasetPamap2体感数据集，这些数据集的特征分布和降维UCRTimeSeriesArchiveNewsAggregatorDatasetDiabetesDatasetPamap2体感数据集1UCRTimeSeriesArchive化方法的分类准确率，可以看到几乎所有方法都获得了不错的分类性能，其中基于WA方法的符号化效果较好，这是因为它们能保留数据的大部分动态特征和空间几何特征。因此，在实际应用中，可以选1接着，我们将符号

人人文库> 全部分类> 图纸下载 > 毕业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论