分類問(wèn)題是數(shù)據(jù)挖掘中的基本問(wèn)題之一，時(shí)間序列的特征表示及相似性度量是時(shí)間序列數(shù)據(jù)挖掘中分類、聚類及模式發(fā)現(xiàn)等任務(wù)的基礎(chǔ)。SAX方法是一種典型的時(shí)間序列符號(hào)化表示方法，在采用該方法的基礎(chǔ)上對(duì)時(shí)間序列進(jìn)行分類，不僅可以有效地降維、降噪，而且具有簡(jiǎn)單、直觀等特點(diǎn)，但是該方法有可能造成信息損失并影響到分類結(jié)果的準(zhǔn)確性。為了彌補(bǔ)信息損失對(duì)分類結(jié)果的影響，采用了集成學(xué)習(xí)中大多數(shù)投票方法來(lái)彌補(bǔ)BOP表示后的信息損失，從而提高整個(gè)分類器的效率。針對(duì)一些樣本在BOP表示中都損失了相似的重要信息，以至于大多數(shù)投票無(wú)法進(jìn)一步提高分類效率的問(wèn)題，進(jìn)一步提出了結(jié)合集成學(xué)習(xí)中AdaBoost算法，通過(guò)對(duì)訓(xùn)練樣本權(quán)重的調(diào)整，從而達(dá)到以提高分類器性能來(lái)彌補(bǔ)信息損失的效果。實(shí)驗(yàn)結(jié)果表明，將BOP方法與集成學(xué)習(xí)相結(jié)合的方法框架，不僅能很好地處理SAX符號(hào)化表示中的信息損失問(wèn)題，而且與已有方法相比，在分類準(zhǔn)確度方面也有顯著的提高。
?