买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：陕西师范大学

摘要：基于层次分析的多变量时序状态分类方法，包括构建层次分析树模型；利用差分进化算法优化层次分析法的判断矩阵；生成初步决策结果；利用自回归模型提取时序信息，结合初步决策结果Y，得出最终分类结果。本发明通过结合层次分析法和自回归模型，能够同时考虑多变量时间序列数据的特征间相互关系和数据的时序信息，从而提升分类的准确性。能够适用于多变量时间序列分类的多个领域，如金融市场分析、生物医学信号处理、环境监测和工业过程控制等，具有适应性广泛的特点。

主权项：1.一种基于层次分析的多变量时序状态分类方法，其特征在于，包括以下步骤：步骤1.构建层次分析树模型构建层次分析树，将所有特征作为叶子节点，中间非叶子节点最终分类结果作为根节点，每个特征的参考值设定为该特征在所有训练数据中对应类别的众数；步骤2.利用差分进化算法优化层次分析法的判断矩阵；步骤2.1.根据层次分析树创建种群，种群中的每个个体代表一颗层次分析树中所有判断矩阵的上三角矩阵；步骤2.2.将单个个体中的所有矩阵元素展平为向量形式，在种群中任意选择三个不同个体，按照下式生成变异个体； 式中，vi,G+1为第G+1代种群的第i个变异个体，为第G代种群中第r1个个体，为第G代种群中第r2个个体，x3,G为第G代种群中第r3个个体，r1,r2,r3∈{1,2,3…NP}，NP为种群中个体总数，F为预先设定的变异因子，F∈[0,2]；步骤2.3.将变异个体和未变异个体按照一定概率CR进行元素交叉操作增加种群多样性，并在交叉同时检验一致性比率；所述交叉操作为： 式中，uji,G+1为第G+1代种群第i个个体的第j个元素，vji,G+1为第G+1代种群第i个变异个体的第j个元素，xji,G为第G代种群第i个未变异个体的第j个元素，randbj为第j个元素的随机数，rnbri为第i个个体的随机索引,M为展平后个体中所有元素的的总数量；步骤2.4.将展平后的个体还原为上三角矩阵形式，使用多分类交叉熵损失函数比较交叉后的个体和未交叉个体，选择损失低的个体，得到优化后的判断矩阵；步骤3.生成初步决策结果步骤3.1.利用优化后的判断矩阵通过算数平均法计算单层权重，得到层次单排序，根据单排序结果，逐层递归计算，得到全局权重GW；步骤3.2.按照下式得到每个特征的参考值与对应训练数据之间的匹配度； 式中，Dkm为第k个特征的参考值与第m个训练数据之间的匹配度，Rk为第k个特征的参考值，ckm为第k个特征的第m个训练数据，∈为10-5，所有特征的匹配度构成匹配度矩阵D；步骤3.3.将全局权重GW与匹配度矩阵D相乘，得到初步决策结果Y；步骤4.利用自回归模型提取时序信息，结合初步决策结果Y，得出最终分类结果步骤4.1.根据初步决策结果Y，构建自回归模型；步骤4.2.利用加权最小二乘法得到自回归模型系数，对自回归模型求解得到最终决策结果，对于每个类别，进行one-hot编码后得到多条时间序列，对每一条时间序列都进行自回归模型系数的计算和预测，得出最终的预测矩阵，预测矩阵的每一行为一种类别的所有时间下的预测概率；步骤4.3.取预测矩阵每一列中最大概率的下标，得出最终的分类结果。

全文数据：

权利要求：

百度查询： 陕西师范大学 基于层次分析的多变量时序状态分类方法及程序产品