注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 时间序列论文

  2. 该资源包含了数学建模中时间序列的分类论文。时间序列在数学建模做预测有很好的应用。

  3. 所属分类：专业指导

    • 发布日期：2012-04-14
    • 文件大小：13mb
    • 提供者：lohafr

  1. 一种基于频繁模式的时间序列分类框架

  2. 一种基于频繁模式的时间序列分类框架,数据挖掘介绍

  3. 所属分类：其它

    • 发布日期：2012-04-16
    • 文件大小：242kb
    • 提供者：ghostfox2002

  1. 基于特征模式提取的时间序列分类系统.ppt

  2. 文献----基于特征模式提取的时间序列分类系统ppt

  3. 所属分类：其它

    • 发布日期：2013-12-12
    • 文件大小：632kb
    • 提供者：u010607753

  1. Python-利用LSTM进行多标签时间序列分类

  2. 利用LSTM进行多标签时间序列分类

  3. 所属分类：其它

  1. 数学建模国赛获奖论文分类整理:时间序列分解

  2. 数学建模国赛获奖论文整理，使用时间序列分解做的论文集合，可以系统的学习时间序列分解在数学建模中的应用，非常有用。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-05-21
    • 文件大小：2mb
    • 提供者：qq_42167992

  1. 数学建模国赛获奖论文分类整理:时间序列ARMA

  2. 数学建模国赛获奖论文整理，使用时间序列ARMA做的论文集合，可以系统的学习时间序列ARMA在数学建模中的应用，非常有用。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-05-21
    • 文件大小：35mb
    • 提供者：qq_42167992

  1. 基于分段线性方法的瓦斯浓度时间序列模式表示

  2. 指出直接采用原始瓦斯浓度时间序列进行短期浓度预测、相似性查询、时间序列分类和聚类等数据挖掘工作不但效率低下,而且会影响时间序列数据挖掘的准确性和可靠性;提出了一种采用分段线性方法的时间序列模式表示方法。采用分段线性表示方法对瓦斯浓度时间序列进行模式表示后可换来较小的存储和计算代价,只保留了时间序列的主要形态,去除了细节干扰,更能反映出时间序列的自身特征,有利于提高数据挖掘的效率和准确性。

  3. 所属分类：其它

    • 发布日期：2020-05-25
    • 文件大小：185kb
    • 提供者：weixin_38678510

  1. 时间序列分类示例数据.zip

  2. 数据类型：tsv格式，可以用Excel打开，数据的第0列为类别标签，第1列往后为时间序列数据。博文地址： https://blog.csdn.net/DoReAGON/article/details/107047855

  3. 所属分类：深度学习

    • 发布日期：2020-06-30
    • 文件大小：367kb
    • 提供者：DoReAGON

  1. 时间序列分类算法程序包

  2. 包含主流时间序列分类算法，包括shapelet相关算法，程序包来自文章The Great Time Series Classification Bake Off: An Experimental Evaluation of Recently Proposed Algorithms.

  3. 所属分类：机器学习

    • 发布日期：2020-11-30
    • 文件大小：39mb
    • 提供者：weixin_43375850

  1. disaggR:时间序列分类的两步基准（法国季度国民账户核算方法）-源码

  2. 概述 R包disaggR是“法国季度国民帐户”方法的实现，用于时间序列的时间分解。 twoStepsBenchmark()一个时间twoStepsBenchmark()与另一个较低的频率弯曲。 安装 您可以从安装稳定版本。 install.packages( ' disaggR ' , dependencies = TRUE ) 您可以从安装开发版本。 # install.packages("devtools") install_github( " InseeFr/disaggR " )

  3. 所属分类：其它

  1. 时间序列分类的内核稀疏表示

  2. 时间序列分类的内核稀疏表示

  3. 所属分类：其它

  1. 提高时间序列分类的准确性：在相似性准则中结合全局信息和局部信息

  2. 考虑到时间序列分类在许多领域中的广泛使用，如何提高分类的准确性已经引起了广泛的关注。 本文提出了一种基于全局和局部信息的新的相似度度量（SIMscl），以提高一个最近邻（1NN）分类器的准确率。 具体而言，全局信息记录了时间序列的内在属性，并由两个指标反映：形状信息和复杂性； 本地信息关注值的精确匹配，并通过LB_keogh实现。 同时，提出了一种基于多尺度离散哈尔小波变换，关键点提取和符号化的方法来提取形状信息。 为了测试所提出的形状相似度SIMshape和混合相似度S / Msd的功效，对两

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：112kb
    • 提供者：weixin_38703468

  1. 基于多尺度熵和多尺度时间不可逆的金融时间序列分类

  2. 基于多尺度熵和多尺度时间不可逆的金融时间序列分类

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：613kb
    • 提供者：weixin_38659646

  1. 基于细分的时间序列分类功能

  2. 基于细分的时间序列分类功能

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：928kb
    • 提供者：weixin_38528463

  1. 功能性回波状态网络用于时间序列分类

  2. 功能性回波状态网络用于时间序列分类

  3. 所属分类：其它

  1. 促进实时多元时间序列分类

  2. 促进实时多元时间序列分类

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：175kb
    • 提供者：weixin_38631389

  1. 深度学习在线分类：流式深度学习中的时间序列分类-源码

  2. 使用深度学习在不同速度和漂移下进行数据流分类 流中深度学习的时间序列分类 处理高速到达的数据流需要开发可以提供快速而准确的预测的模型。 尽管深度神经网络是许多机器学习任务的最新技术，但它们在实时数据流场景中的性能仍是尚未完全解决的研究领域。 然而，最近有努力通过降低处理速度来使复杂的深度学习模型适用于流任务。 异步双管道深度学习框架的设计允许对传入的实例进行预测，并使用两个单独的层同时更新模型。 这项工作的目的是评估使用此框架进行数据流分类的不同类型的深层体系结构的性能。 我们在模拟为流的几个

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：96mb
    • 提供者：weixin_42151729

  1. MLSTM-FCN：用于时间序列分类的多元LSTM全卷积网络-源码

  2. 用于时间序列分类的多元LSTM-FCN MLSTM FCN模型（来自 FCN）使用最新的单变量时间序列模型（来自的最新的单变量时间序列模型，LSTM-FCN和ALSTM-FCN来增强挤压和激励块。 对于LSTM-FCN和ALSTM-FCN模型的代码可以在这里找到 。 安装 下载存储库并应用pip install -r requirements.txt安装所需的库。 具有Tensorflow后端的Keras已用于开发模型，并且目前不支持Theano或CNTK后端。 权重尚未通过这些后端进行测试

  3. 所属分类：其它

  1. dl-4-tsc：时间序列分类的深度学习-源码

  2. 时间序列分类的深度学习 这是发表在“时间序列分类的深度学习：评论”的配套资料库，该也可以在。 数据 该项目中使用的数据来自两个来源： ，其中包含85个单变量时间序列数据集。 ，其中包含13个多元时间序列数据集。 码 代码划分如下： python文件包含运行实验所需的代码。 文件夹包含必要的功能，以读取数据集并可视化绘图。 文件夹包含9个python文件，每个文件针对本文测试的每个深度神经网络。 要在一个数据集上运行模型，应发出以下命令： python3 main.py TSC C

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：654kb
    • 提供者：weixin_42099633

  1. pyts：用于时间序列分类的Python包-源码

  2. pyts：用于时间序列分类的Python包 pyts是用于时间序列分类的Python软件包。 它旨在通过提供预处理和实用工具以及最新算法的实现，使时间序列分类易于访问。 这些算法大多数都会转换时间序列，因此pyts提供了多种工具来执行这些转换。 安装 依存关系 pyts要求： Python（> = 3.6） NumPy（> = 1.17.5） SciPy（> = 1.3.0） Scikit-Learn（> = 0.22.1） Joblib（> = 0.12

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 24 »