数据挖掘中适用于分类的时序数据特征提取方法

Survey of Feature Extraction Approaches for Time Series Classification

特征提取在提高分类的准确性中起着非常关键的作用.对时序特征提取的方法进行归纳分类,将有利于对特征提取整体性,全面性的认识.回顾现有的时间序列中特征提取的方法,将其总结为四大类,它们分别是基于基本统计方法的特征提取、基于模型的特征提取、基于变换的特征提取、基于分形维数的特征提取.针对每一类的特征提取方法,进一步研究了它相应的分类方法和它在时间序列数据中的应用邻域.

The main contributions of this paper are： 1） The main feature extraction approaches are classified into four categories; 2） The main idea of each category is analyzed, the advantages and disadvantages are pointed out; 3） The guidelines of choosing suitable feature extraction approach is suggested.