1樓：Rand Xie
對時間序列做pattern matching, 我見過有幾種做法. 乙個是直接從時間序列提取特徵(時域,頻域,時頻分析, cepstrum等等), 然後對這些特徵進行聚類/分類. 或者model based, 對每個時間序列辨識arma, arima等模型, 對係數進行分析.
還有fancy一點的, 對time series做local sensitivity hashing後, 在分析similarity的.
2樓：張大帥
沒有最合適，只有嘗試了才知道，你用哪個分類器都說得通。不過啊，嘗試這二字可沒有那麼輕易做到。就說你要神經，能把神經訓好就不是乙個容易的事情。
3樓：Roi ZHAO
匿名好犀利，贊
補充：對這個問題如果是具體個別的專案，比較簡單實用的方法還是人工抽feature，時間序列本身有很多統計特徵，另外還有各類sequential pattern的統計特徵；
如果是個增量的無底洞，在保證計算能力的前提下NN和非參模型都可以滿足要求。
4樓：
為什麼要用神經網路和支援向量機，這兩個都是監督演算法，你說的這個聚類演算法完全可以使用啊，而且根據「長得像」分為一類，在沒有標籤的情況下不就是典型聚類問題。HMM是強化演算法感覺更用不到了。。。
5樓：
不太明白，題主是希望對整個時間序列進行分類，還是對序列中的每一幀進行分類呢？
前者和普通的分類問題一樣，可以用svm，ann等分類器去做；後者應該是序列標註問題，可以用hmm，MEMM，CRF等模型。
hmm是乙個模型框架，需要對狀態轉移概率和狀態輸出概率分別建模，dnn/rnn/lstm的思想是對狀態後驗概率建模，從而歸一化得到狀態輸出概率。
相比單獨對每一幀做最大後驗分類，hmm引入了前後幀之間的類別跳轉約束，即狀態轉移圖。在語音識別中，狀態轉移圖可以描述語言模型、發音詞典和context dependency，引入這些上下文知識後，識別出來的句子更接近自然語言。
6樓：李土
最近也想過這樣的問題，特別是看到RNN/lstm在一些地方取得了很好的效果所以很好奇。匿名的答案我覺得是沒理解這個問題，當然題主提到的分類器都比較傳統了，但把hmm vs svm換成rnn(時序) vs cnn(把時間看成另一維)，這個問題同樣值得想一想。 像@張俊博所說把整個時間都拉成特徵維度肯定是太大了。
但其實也可以做乙個w長的時間的滑窗，在每個窗內d*w大小的特徵上用類似cnn/svm等方法分類，最後對所有滑窗的分類結果估彙總。這樣在模複雜程度上就不比時序模型高太多了。
具體哪種更優可能還得具體問題具體分析了，雖然未必會有人解答，題主還是可以描述一下具體資料。同時期待專業人士解答一下。
對時間進行安排真的有意義嗎
菜三草 後來，我發現這樣的志願者活動很難提公升年輕人的領導能力。為此，我們特別召開了青年助手特別會議。在會議期間，我們希望為年輕助手實施一系列管理方法，將他們的體力轉變為社群領袖。領導小組。 小輝 非大神，肥宅一名，以下僅個人看法，需辯證看待 有，但高考之前意義不算太大 進行時間安排最主要的目的是讓...
速度到底是位矢對時間的導數還是位移對時間的導數？
愛問知識的小學生 某個量的導數是這個量的變化量比自變數變化量的極限值，位移本身就是位矢的變化量，所以速度可以表示為位移與時間之比的極限值，或位矢對時間的導數。 黃亦斌 位矢。位移是位矢的變化。如果速度是 位移的變化率 那麼速度就是 位矢變化的變化率 顯然不對。中學出現過 位移變化 就是打點計時器測加...
有沒有對時間進行四則運算的好演算法？
豆芽 時間本身不具備四則運算的意義。但是，如果定義乙個相對時間 時間間隔 的概念。那麼就可以和純數做四則運算了。比如 3倍的4秒間隔就是12秒。絕對時間與時間間隔還可以做加減運算。 黃亮anthony 這個題吧，看著複雜，高深，其實都是想多了。有年月日時分秒的資料，不可能做乘除法，哪有什麼四則運算。...