《表2 特征提取算法伪代码》
为配合后文所提出的一种改进的子窗口集成学习算法,并不对时间序列整体利用滑动窗口进行特征提取,而是将某一窗口所选中的时间序列分段作为输入值,对该时间序列分段进行特征提取。算法伪代码如表2所示。由于计算方法不同,所得到的时间序列的多个特征值的数量级往往并不相同,例如均值和能量的数量级很有可能相差甚远。这样,对于某些分类算法,例如常用的K近邻算法(K-Nearest Neighbor,KNN),数量级越大的特征值对最终分类结果的影响就越大。而实际上,假设时间序列的各个特征对最终分类结果的影响应该是平等的,所以必须对每一个特征的特征向量进行标准化处理,使得处理后各个特征的特征向量之间的数量级保持在相同量级上。表2伪代码中的第6行即为对特征的特征向量进行标准化处理。
图表编号 | XD0059206400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.10 |
作者 | 张宇、郭达、高志勇、周大海 |
绘制单位 | 北京邮电大学电子工程学院、北京邮电大学电子工程学院、爱动超越人工智能科技(北京)有限责任公司、爱动超越人工智能科技(北京)有限责任公司 |
更多格式 | 高清、无水印(增值服务) |