计算机工程与科学

作者：赵林锁, 陈泽, 丁琳琳, 宋宝燕

单位：1.辽宁工程技术大学力学与工程学院,辽宁 阜新 123000;2.辽宁大学信息学院,辽宁 沈阳 110036

关键词：时间序列数据,小波包,正则化极限学习机,集成分类,权值优化,

基金：国家自然科学基金(62072220，61502215)；中国博士后基金(2020M672134)

时间序列数据通常是指一系列带有时间间隔的实值型数据，广泛存在于煤矿、金融和医疗等领域。为解决现有时间序列数据分类问题中存在的含有大量噪声、预测精度低和泛化性能差的问题，提出了一种基于正则化极限学习机(RELM)的时间序列数据加权集成分类方法。首先，针对时间序列数据中所含有的噪声，利用小波包变换方法对时间序列数据进行去噪处理。其次，针对时间序列数据分类方法预测精度低、泛化性能较差的问题，提出了一种基于RELM的加权集成分类方法。该方法通过训练正则化极限学习机(RELM)隐藏层节点数量的方法，有效选取RELM基分类器；通过粒子群优化(PSO)算法，对RELM基分类器的权值进行优化；实现对时间序列数据的加权集成分类。实验结果表明，该分类方法能够对时间序列数据进行有效分类，并提升了分类精度。

来源：2022年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第3期