5411 篇
13916 篇
478298 篇
16343 篇
11779 篇
3948 篇
6564 篇
1254 篇
75732 篇
38177 篇
12196 篇
1672 篇
2874 篇
3423 篇
642 篇
1242 篇
1980 篇
4929 篇
3895 篇
5517 篇
GSM-Alpha:提取时序特征的统一框架
lized Signature Method(GSM)是一种对多变量时间序列特征提取的一般化方法。其架构主要包含四个部分:数据增强、窗口设定、特征提取、尺度放缩。其中数据增强主要有三种作用,分别是敏感性引入、降维以及新信息引入,不同的增强方式实现不同的功能,数据增强可以使得算法更高效地提取序列信息,降维方法在变量维数较高的场景中效果明显。窗口设定主要是对序列的划分,使得算法可以从全局、局部、增量信息、不同尺度与层次等多个方面提取子序列信息。特征提取主要包括 Signature 与 Log-signature 这两种方法,其可以将时间序列信息转化为一个截面的特征集,信息转化效率高,另外唯一性与线性估计性等良好的性质使得 Signature 成为机器学习任务的重要特征集;Log-signature 相对于 Signature 含有的信息相同但其特征数量更少。