基于动态特征提取和神经网络的数据流分类研究

被引：6

作者：

汪成亮 ^{[1
,2
]}

庞栩 ^{[1
]}

陆志坚 ^{[1
]}

罗昌银 ^{[1
]}

机构：

[1] 重庆大学计算机学院

[2] 重庆大学电气工程学院

来源：

计算机应用 | 2010年 / 30卷 / 06期

基金：

中国博士后科学基金;

关键词：

分类; 神经网络; 数据流; 可变滑动窗口; 趋势分析;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

为提高数据流分类的精确性和适应性,提出了一种新的数据流分类方法。该方法基于总体最小二乘法对数据流进行分段拟合,并将传统曲线分析算法——滑动窗口(SW)和在线数据分割(OSD)进行结合、改进,以可变滑动窗口算法实现对数据流的合理分割,提高趋势分析精度。在此基础上,对数据流进行动态特征提取和判断,并以神经网络对数据流特征进行模式识别,精确分类,进而对监控对象提供早期预警、状态评估和决策支持。实验结果表明,该方法能对数据流进行有效的动态特征描述,分类效果明显。

引用

页码：1539 / 1542+1567 +1567

页数：5

共 7 条

[1] 一种数据流趋势分析方法的研究与应用 [J].