基于多指标shapelets的时间序列动态分类方法数据集

论文名称：Dynamic Classification Method of Time-Series Data Based on Multidimensional Shapelets，本文充分考虑了目前方法以单指标时间序列数据对对象分类不准确、分类结果不具有可解释性等问题，提出了基于多指标shapelets时间序列数据的动态分类方法。该方法首先对具有数据缺失的指标数据进行数据预处理，使处理后的数据能够满足模型的运行；其次基于shapelets学习技术从多个指标的指标数据提取每个指标的多组shapelets，即捕获每个指标的时间序列数据的不同特征；最后结合多指标shapelets和加权投票完成对个体对象的最终分类。

搜集汇总

背景与挑战

背景概述

该数据集对应一篇论文，提出了一种基于多指标shapelets的时间序列动态分类方法，旨在解决单指标分类不准确和可解释性差的问题。方法通过数据预处理、提取多指标shapelets特征并结合加权投票，实现对个体对象的最终分类。