时间序列分类 MATLAB

Posted 2023-03-13

【中文标题】时间序列分类 MATLAB

【英文标题】：Time series classification MATLAB

【发布时间】：2012-12-05 13:59:05

【问题描述】：

我的任务是使用 MATLAB 和任何神经网络框架对时间序列数据进行分类。

更具体地描述任务： 是计算机视觉领域的一个问题。 Is 是一个场景边界检测任务。

源数据是来自视频流的 4 个相邻帧直方图相关性数组。 根据这些数据，我们必须将此时间序列分为 2 类：

“场景中断” “没有场景中断”

因此，每个源数据条目的网络输入是 4 个双精度值，输出是一个二进制值。我将在下面展示 src 数据的示例：

0.997894,0.999413,0.982098,0.992164
0.998964,0.999986,0.999127,0.982068
0.993807,0.998823,0.994008,0.994299
0.225917,0.000000,0.407494,0.400424
0.881150,0.999427,0.949031,0.994918

问题是来自 Matlab 神经工具箱的模式识别工具（如 patternnet）威胁源数据，如独立实体。但我坚信只有在 net 根据之前相关性的历史做出决定时，结果才会准确。

但我也未能从提供时间序列分析的递归网络（如延迟网络和 narxnet）获得有效响应。

narxnet 和 delaynet 返回糟糕的结果，看起来这些类型的网络不应该解决分类任务。我没有在这里插入任何代码，而它几乎完全是使用 Matlab Neural Toolbox GUI 自动生成的。

我会很感激任何帮助。特别是一些建议，哪种工具更适合完成我的任务。

【问题讨论】：

添加以前的步骤数据作为附加输入...

@Dan，感谢您的回复。但我不确定是否可以为其他输入设置权重。因此，如果我们处理 n 个条目，来自 n-1 的值应该比来自 n-10 的值具有更大的影响，并且比来自 n 的值的影响更小。我认为有一些特殊类型的网络可以完成这样的任务。

您可能不需要 n-10 数据，这当然取决于您要建模的系统。首先提供所有 t = n 和 t = n - 1 数据作为输入。然后尝试添加 t = n - 2。如果这不会导致明显的改进，那么您只需回到 t - n。但是您可以将其建模为一阶系统，因此您只需要 n 和 n-1 个数据作为输入。

@Dan，这个神经网络正在开发用于这个分类任务，而不是adaptiveThreshold（以前的解决方案）。测试表明，我在滑动窗口大小 = 30 时获得的最大精度。所以，我确信我的任务需要 n-10 个数据，甚至可能更多。

我正在研究“时间序列降雨数据的模式识别”......以及matlab中的新手......请您提供您程序的matlab代码......我很确定它会帮助我很多

【参考方案1】：

我不确定对这个问题进行分类有多难。 给定您的样本，4 个输入和 1 个输出的前馈神经网络就足够了。

如果您坚持使用历史输入，您只需对输入 d 进行预处理，这样

您的新输入 D(t)（t 时的向量）由 d(t) 组成，是 t 时的 1x4 向量； d(t-1) 在时间 t-1 时是 1x4 向量；...而 d(t-k) 在时间 t-k 时是 1x4 向量。

如果t-k <0，则将其视为'0'。

所以你有一个 1x(4(k+1)) 向量作为输入和 1 个输出。 和Dan提到的类似，你需要找到一个好的k。

说到权重，我认为不需要对输入进行额外的预处理，如窗口方法，因为会训练神经网络为每个输入维度分配权重。

这听起来有点混乱，因为神经网络会独立考虑每个输入维度。这意味着您将信息丢失为四个相邻的相关性。

一种可能的解决方案是预处理提取邻域特征，例如使用 mean 和 std 作为代表原件的两个特征。

【讨论】：

谢谢。虽然你和丹对可能的方法有相同的看法，但我会同意你的看法，并根据你的建议实施网络。