您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202003-145
论文题目 基于稀疏路径矩阵的局部加权DTW方法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于稀疏路径矩阵的局部加权DTW方法

首发时间:2020-03-13

孙茂斌 1   

孙茂斌(1991-),男,硕士,主要研究方向为时序数据和分类算法

张力生 2   

张力生(1965-),男,硕士、教授,主要研究方向为数据挖掘、软件建模与形式化

  • 1、重庆邮电大学计算机科学与技术学院,重庆 400065
  • 2、重庆邮电大学软件工程学院,重庆 400065

摘要:DTW是最有效的时间序列相似性度量方法之一。LDTW算法解决了DTW算法时序对齐方法平等对待实例特征而忽略其局部辨别特性问题,但是LDTW生成权值矩阵的过程时间复杂度过高。本文提出基于稀疏路径矩阵的LDTW算法,在训练集迭代生成权值矩阵的过程中,根据训练集中序列的类别生成一个同类序列间的稀疏路径矩阵和一个不同类序列间的稀疏路径矩阵,在生成的稀疏路径矩阵上迭代权值矩阵。将提出的算法在UCR数据集上进行仿真验证,基于稀疏路径矩阵的LDTW算法相比LDTW在分类错误率上结果相同,但是在生成权重矩阵的过程时间开销大幅低于LDTW算法,证明了基于稀疏路径矩阵的LDTW在减小时间消耗方面的有效性。

关键词: 时间序列 稀疏路径矩阵 局部加权 动态时间规整

For information in English, please click here

Locally weighted DTW method based on sparse path matrix

Sun Maobin 1   

孙茂斌(1991-),男,硕士,主要研究方向为时序数据和分类算法

Zhang Lisheng 2   

张力生(1965-),男,硕士、教授,主要研究方向为数据挖掘、软件建模与形式化

  • 1、College of Computer Science and Technology,Chong Qing University of Post and Telecommunications, Chong Qing 400065
  • 2、College of Software Engineering,Chong Qing University of Post and Telecommunications,Chong Qing,400065

Abstract:Dynamic time warping algorithm is one of the most effective time series similarity measures. The LDTW algorithm solves the problem that the dynamic time warping algorithm timing alignment method treats the instance features equally and ignores its local discriminative characteristics, but the time complexity of the LDTW generation of the weight matrix is too high. This paper proposes a LDTW algorithm based on sparse path matrices. In the process of iteratively generating a weight matrix from the training set, a sparse path matrix between homogeneous sequences and a sparse path matrix between different types of sequences are generated according to the type of sequence in the training set. Weight matrix over a sparse path matrix. The proposed algorithm is simulated and verified on the UCR dataset. The LDTW algorithm based on the sparse path matrix has the same classification error rate as LDTW, but the time cost of generating the weight matrix is significantly lower than the LDTW algorithm. The effectiveness of path matrix LDTW in reducing time consumption..

Keywords: time series sparse path matrix local weighting dynamic time warping

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
孙茂斌,张力生. 基于稀疏路径矩阵的局部加权DTW方法[EB/OL]. 北京:中国科技论文在线 [2020-03-13]. http://www.paper.edu.cn/releasepaper/content/202003-145.

No.****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

基于稀疏路径矩阵的局部加权DTW方法