基于Self-Training和HMM的时间序列分类

摘要：

提出了一种基于Self-Training和隐马尔可夫模型的时间序列分类方法，采用基于动态弯曲路径距离的Self-Training最近邻方法采扩大标记时间序列数据集，利用扩大的标记数据初始化HMM，并且使用基于半监督的迭代学习来进一步训练HMM。实验结果表明该方法能有效避免少量标记数据下HMM参数估计不准确的问题，提高了分类的准确率。

关键词： 自训练 隐马尔可夫模型 半监督 动态弯曲路径

作者: 孟军 吴黎霞 王秀坤 易亚娟

作者单位: 大连理工大学计算机科学与技术学院 大连 116023

会议类型: 国内会议

会议名称: 中国计算机用户协会网络应用分会2010年网络新技术与应用研讨会

会议地点: 上海

会议语种:中文

页码: 56-59,71

在线出版日期: 2010-09-01（万方平台首次上网日期，不代表论文的发表时间）