论文研究 改进线性邻近点传播在时间序列分类中的运用.pdf

线性邻近点传播（LNP）是一种非常有效的基于图的半监督分类方法，而类重叠与数据分布不平衡问题会使LNP构造图时由于选择的邻居不合理而影响分类性能。采用谱聚类来分析数据的分布，根据聚类结果对邻居选择时的距离度量进行调整，使得选择的邻居更合理。将基于谱聚类的LNP方法应用于时间序列分类，在UCR时间序列挖掘库的四个数据集上进行实验，结果表明该方法比LNP方法具有更高的分类准确率。