时间序列数据的胶囊式LSTM特征提取算法研究

发布时间：2021-06-13 14:45

　　在这个世界上,每时每刻都有无数的事件被人类观测并记录着。时间序列数据作为一种按照观测时间顺序排列的观测值集合,广泛的存在于现实生活的各行各业。时间序列数据分析与研究不仅仅存在于气象学、生命科学、经济学以及农学等诸多主流学科中,自然语言处理、交通管理大数据、人体姿态检测与识别等新兴领域也依靠对时间序列数据的研究,对时间序列数据的特征值分析与提取已经成为了研究的热点与难点问题之一。因此,研究如何在尽可能少丢失信息的前提下,从具有时间相关性强、数据量大、数据维度高等特点的时间序列数据中提取有效的特征,从而获取蕴含在数据中的知识与信息具有十分重要的意义。近年来,深度学习技术在实际应用中表现优异,其中关于特征提取算法的研究取得明显进展。长短时记忆网络（Long Short Term Memory,LSTM）作为深度学习中循环神经网络的一种变体,对时间序列具有长时间的记忆能力。然而,传统的LSTM网络结构中提取的特征是以标量的形式在各个时刻中传递,在提取特征的过程中会一定程度的丢失特征之间的语义与时序关系。针对这一问题,本文将胶囊网络与LSTM网络相结合,提出了一种胶囊式LSTM网络结构提取特征,... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图１．１论文结构与内容组织图??

时间序列在形式上是由现象发生期间所处时间段与现象在每一时刻的观测??值两部分构成，其现象发生期间所处于的时间段可以为年份、季度、分秒或其他任??何时间形式表示１３９１。一个典型的时间序列如图２．１所示，该图为某航空公司１９４９年??丨月到１９６０年丨２月的乘客数量数据。??某钪空公司乘客数ｍ数枞??７００?？???－?＞?■??????６００?Ａ?■??（＼?／１??５００?／?／Ｉ?／?＼??奴?Ａ?Ａ?Ｊ＼Ｊ＼??，。。?Ａ?Ａ?Ｊ＼Ｊ＼／?＾??／?＼?Ｊ?＼?Ｔ?Ｗ?ｖ??３００?」＼／?ｖ??ａ?－Ａ?Ｊｖ?Ｙ??２００?ｙ＼?ｙｊ?Ｖ?Ｗ?ｖ??＿?Ｖ??１Ｃ？９４９?１９５１?１９５３?１９５５?１９５７?１９５９??年份??图２．１时间序列示例图??８??

?！??图２．３不同的特征提取算法对比流程阁??图２．３展示了基于规则的恃征提取系统、传统的机器学习与深度学习特征提取??算法的流程图对比，图中明影框部分表示系统中这部分可以从数据中自动学习。通??过流程图对比，可以清晰的说明深度学习作为机器学习的种算法，是能够使计算??１１??

【参考文献】：
期刊论文
[1]基于长短时记忆网络的人体姿态检测方法[J]. 郑毅,李凤,张丽,刘守印.  计算机应用. 2018(06)
[2]基于SVMKNN的老人跌倒检测算法[J]. 张舒雅,吴科艳,黄炎子,刘守印.  计算机与现代化. 2017(12)
[3]基于邻域一致性和DBPSO的跌倒检测特征集优化算法[J]. 吴科艳,张舒雅,黄炎子,刘守印.  计算机与现代化. 2017(11)
[4]时间序列的表示与分类算法综述[J]. 原继东,王志海.  计算机科学. 2015(03)
[5]时间序列数据挖掘中特征表示与相似性度量研究综述[J]. 李海林,郭崇慧.  计算机应用研究. 2013(05)
[6]中国人口老龄化现状分析[J]. 黄毅,佟晓光.  中国老年学杂志. 2012(21)
[7]论关联规则挖掘在时间序列中的应用[J]. 杨彩霖.  陕西教育(高教版). 2011(Z1)
[8]船载设备动态测量数据的建模与参数估计[J]. 张忠华,李晓勇,冯鸿奎,陈贵明,张同双.  无线电工程. 2008(05)

博士论文
[1]时间序列数据挖掘中的维数约简与预测方法研究[D]. 孙友强.中国科学技术大学 2014
[2]多变量时间序列的聚类、相似查询与异常检测[D]. 周大镯.天津大学 2009

硕士论文
[1]基于Kinect深度图像人体动作识别研究[D]. 李靖意.北京邮电大学 2015
[2]固定场景下的人体姿态识别[D]. 张承玺.哈尔滨工业大学 2014



本文编号：3227735