年度数据与月度数据转化_神奇--时序数据转化成图结构做分类

论文题目：Extracting Statistical Graph Features for Accurate and Efficient Time Series Classification

论文地址：

http://openproceedings.org/2018/conf/edbt/paper-90.pdf​openproceedings.org

时间序列的分类已经被广泛研究，具体可见这篇文章，这一领域可谓是“八仙过海，各显神通”。但本文用了一个完全不一样的方法，将每一条时序数据转化成一张图结构，抽取图的特征来作为这条时序数据的特征，最后用这些特征训练一个分类器。接下来具体讲本文是怎么做的。

背景

由于时序数据具有序列特性，因此不能直接当成高维的向量。现有的做法是通过特征抽取，将序列特性转化为无序的特征向量，然后送给一个分类器。

比较典型的一种做法是 DTW距离+kNN分类器（DTW距离的介绍可见这篇文章）。但是DTW距离只能考虑全局（global）的相似性。因此，提出了一些考虑局部（local）特性的方法，最典型的是基于 shaplets 的方法（shaplet就是短序列，这些短序列能够表示出每个类特有的局部特性）。

本文将时序数据转化为图结构，最大的优