论文部分内容阅读
本文针对时间序列数据的符号化问题,提出采用免疫聚类算法处理多维时间序列的符号化,利用克隆选择原理,生成能充分反映数据真实分布的记忆抗体作为符号集合. 时间序列信息系统中的决策问题的关键是有效地挖掘历史数据中包含的时序信息. 本文提出了一种改进的隐马尔科夫模型,运用最大熵原理对模型进行训练,求取熵最大化的概率分布,并将其应用于时序信息系统的决策. 通过实验验证了其有效性.