无监督特征选择在时间序列数据挖掘中的应用

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：疲劳驾驶是交通事故发生的主要原因之一,为了精确预测驾驶员疲劳程度,提出一种基于度量学习的无监督特征选择与识别方法.首先,在对脑电图进行特征提取时,多特征表示的方法克服了传统方法相对单一、往往不能完整表达时间序列信息的缺陷.然后,基于度量学习的特征选择方法对变换之后的特征进行选择,有效降低了样本维度;最后引入支持向量机分类器对其进行分类.通过在公开数据集和真实数据集上对各种过滤式特征选择方法进行的比较实验说明了该方法的有效性.

原文链接:http://www.cqvip.com/QK/94550X/201404/49278332.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：时间序列数据 序列数据 特征选择 时间序列 数据挖掘 脑电图 多特征表示 特征选择 预测