小时间序列的动态朴素贝叶斯分类器学习与优化
来源期刊:控制与决策2017年第1期
论文作者:王双成 高瑞 杜瑞杰
文章页码:163 - 166
关键词:贝叶斯网络;分类器;时间序列;高斯核函数;平滑参数;
摘 要:小时间序列在宏观经济领域普遍存在,对小时间序列的分类预测也有着广泛的需求.由于小时间序列蕴含的信息不充分,有效地提高小时间序列分类预测的可靠性非常困难,目前也缺少这方面的研究.针对这种情况,在基于引入平滑参数的高斯核函数估计属性边缘密度的基础上,建立用于小时间序列分类预测的动态朴素贝叶斯分类器,并给出平滑参数的同步和异步优化方法.实验结果表明,优化能够显著提高小时间序列分类预测的准确性.
王双成1,2,高瑞1,杜瑞杰1
1. 上海立信会计学院数学与信息学院2. 上海立信会计学院立信会计研究院
摘 要:小时间序列在宏观经济领域普遍存在,对小时间序列的分类预测也有着广泛的需求.由于小时间序列蕴含的信息不充分,有效地提高小时间序列分类预测的可靠性非常困难,目前也缺少这方面的研究.针对这种情况,在基于引入平滑参数的高斯核函数估计属性边缘密度的基础上,建立用于小时间序列分类预测的动态朴素贝叶斯分类器,并给出平滑参数的同步和异步优化方法.实验结果表明,优化能够显著提高小时间序列分类预测的准确性.
关键词:贝叶斯网络;分类器;时间序列;高斯核函数;平滑参数;