核分组分类算法

精度顶尖，训练极快

首个从共享预定义核组中联合提取核响应与池化特征的时间序列分类方法，精度媲美HIVE-COTE 2.0，但训练时间仅为其0.22%。

Panjie, Wang · Wu, Jiang · Yuan, Wei · 李太勇

Expert Systems with Applications 2025

参数信息

训练时间比

0.22 %

技术优势

训练快得多

训练时间仅为HIVE-COTE 2.0的0.22%，同时保持顶尖准确率。

精度顶尖

在112个UCR数据集上取得顶尖分类准确率，显著优于除HIVE-COTE 2.0外的所有SOTA算法。

特征更多样

引入新的池化算子ZCR和附加Hilbert变换，提升特征多样性。

应用场景

• 传感器时序数据分析：快速训练高精度模型处理传感器时序数据，降低计算开销。
• 可穿戴信号处理：在可穿戴设备上高效处理时序信号，实现实时分类。
• 飞行数据监控：快速分析飞行时序数据，识别异常模式。
• 工业物联网时序数据：在工业物联网中部署轻量级时序分类模型，节省训练资源。