基于关联性约束的多指标时间序列分类方法

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：基于多指标时间序列数据分析的综合评价技术被广泛应用于企业决策、故障诊断等领域.多指标时间序列数据由多个单一的时间序列数据组成,各个指标序列数据之间存在一定的异构性,且不同的综合评价对象主体之间在多指标数据的完整性和有效性方面也存在差异.因此,如何对多指标时间序列数据进行有效的优化筛选和分类是目前综合评价应用中亟待解决的关键技术.现有的指标筛选和优化方法大多假设指标之间是相互独立的,而对于不同指标之间关联性还缺乏有效的分析.为了解决以上问题,提出基于关联性约束的多指标时间序列分类方法.首先,定义了基于指标关联性的多指标优化问题,且设计了求解算法;其次,基于多指标优化所确定的指标及其时间序列数据,设计用多指标Shapelets完成区分对象所属类的分类方法;最后,利用大量企业财务数据进行实验分析,实验结果证明了所提出方法对解决综合评价对象分类问题的适用性及优越性.

作者：

谭爱平、田玲玲、王妍、孙守志

展开 >

作者单位：

辽宁大学,辽宁沈阳 110036

关键词：

综合评价多指标优化多指标Shapelets 数据分类

出版年：

2024

DOI：

10.3772/j.issn.1673-6516.2024.02.015

科技成果管理与研究