基于流形正则化的多元时间序列半监督回归
来源期刊：中国矿业大学学报2011年第3期
论文作者：赵志凯 钱建生 程健 李小斌
文章页码：492 - 498
关键词：流形学习;正则化;半监督回归;多元时间序列;
摘 要：针对多元时间序列半监督回归只考虑样本间空间关系信息而忽略了样本间时域信息的问题,提出了一种考虑样本间时域信息的半监督回归算法（ST-LapRLSR）.在时域光滑性假设下,构造了一种能更好地反映样本间内蕴几何结构的正则化项.在建立图拉普拉斯的过程中,将样本点间的时序关系引入到边的权重计算中,并在流形正则化框架下利用该正则化项进行半监督回归,最后通过表示定理进行求解.在公共数据集和煤矿多传感器数据上进行了实验,结果表明:在多元时间序列半监督回归中,与只考虑样本空间关系信息的最小二乘正则化算法（LapRLSR）相比,ST-LapRLSR能同时利用样本的时空信息,准确率得到了提高.
赵志凯1，钱建生2，程健2，李小斌1
1. 中国矿业大学计算机科学与技术学院2. 中国矿业大学信息与电气工程学院
摘 要：针对多元时间序列半监督回归只考虑样本间空间关系信息而忽略了样本间时域信息的问题,提出了一种考虑样本间时域信息的半监督回归算法（ST-LapRLSR）.在时域光滑性假设下,构造了一种能更好地反映样本间内蕴几何结构的正则化项.在建立图拉普拉斯的过程中,将样本点间的时序关系引入到边的权重计算中,并在流形正则化框架下利用该正则化项进行半监督回归,最后通过表示定理进行求解.在公共数据集和煤矿多传感器数据上进行了实验,结果表明:在多元时间序列半监督回归中,与只考虑样本空间关系信息的最小二乘正则化算法（LapRLSR）相比,ST-LapRLSR能同时利用样本的时空信息,准确率得到了提高.
关键词：流形学习;正则化;半监督回归;多元时间序列;
