火狐体育

 |  正文

  • 返回首頁
  • 工商管理學院本科生發表高水平科研成果

    作者:李海林      單位:工商管理學院 發布時間:2022-01-29

    近日,工商管理學院2017級信息管理與信息系統本科生、數據科學與創新管理課題組賈瑞穎同學,在信息管理系李海林教授指導下,在信息科學和管理領域中的國內外重要期刊《Expert Systems with Applications》(簡稱ESWA)和《電子科技大學學報》分別發表題為“Time series classification based on complex network”和“ 基于K-Shape的時間序列模糊分類方法”的學術研究成果,這標志著關于時間序列數據分類問題的相關研究取得新進展。

    《Expert Systems with Applications》被認為是人工智能、運籌學與管理科學等領域的最重要國際期刊之一,2020年影響因子為6.954,被SCI檢索,隸屬于中科院期刊一區及TOP期刊。《電子科技大學學報》為雙月刊并被EI檢索,是信息通信領域高質量科技期刊,與《中國科學:信息科學》《通信學報》等其它12種高水平期刊被列為信息通信領域的T1等級。

    賈瑞穎同學參與的數據科學與創新管理課題組由李海林教授組建,主要以數據科學和創新管理為雙驅動,探索新理論和新方法在解決實際管理科學問題中實現數據賦能。時間序列分類、聚類和預測等數據挖掘與分析已經成為當下數據研究領域中最具有突出價值的問題之一,而時間序列分類算法則是時間序列研究領域中一個重要的主題。復雜網絡在分類、聚類領域都取得了成功,也推動了在時間序列方面的研究。目前,應用于時間序列分類方面的算法很多都忽略了序列原始形態特征的影響。為此,從形態特征的角度出發,結合復雜網絡提出了相應的解決辦法以提高時間序列的分類精度。主要工作如下:

    (1)提出基于k-shape的時間序列模糊分類算法。通過獲得訓練集各個類別數據的聚類中心群,將聚類中心群作為時間序列數據模糊分類的初始聚類中心,再利用FCM輸出測試集序列對應的模糊隸屬度矩陣,最后根據隸屬度最大原則來確定測試時間序列數據的類別標簽,進而實現分類。實驗結果證明,與傳統的分類算法相比,該方法有較高的分類準確率。

    (2)提出基于復雜網絡的時間序列分類算法。通過將時間序列轉換為復雜網絡,并把提取到的特征作為原始數據利用隨機森林進行分類,從而開辟了一個新的分類角度。為了進一步探索復雜網絡眾多特征中哪些特征相對重要,在基尼指數的基礎上,利用隨機森林的importance功能計算各個特征的重要性,并使用層次分析法計算各特征的權重。為了驗證特征之間確實存在差異,將權重賦予特征矩陣。實驗結果證明,該方法有較優的分類效果。

    此次研究成果發表受到了國家自然科學基金和福建省自然科學基金的支持,標志學院本科生在科學研究培養上取得新的突破,同時也為今后開展本科生的學術研究、課程建設提供良好借鑒。目前賈瑞穎已成功推免至武漢理工大學攻讀碩士研究生,研究生期間她將繼續進行復雜網絡方向的研究。