基于深度学习的混沌信号分类的三元状态空间构造
机器学习
2020-03-27 v1 混沌动力学
数据分析、统计与概率
机器学习
摘要
受著名排列熵（PE）的启发，提出一种针对混沌时间序列的有效图像编码方案——三元状态空间构造（TSSC）。TSSC 图像能够识别高阶时间模式，并超越 Bandt-Pompe 概率识别时间序列基序中的新禁戒区域。卷积神经网络（ConvNet）广泛用于图像分类。基于 TSSC 图像的 ConvNet 分类器（TSSC-ConvNet）在混沌信号分类中精度高且鲁棒性强。
引用
@article{arxiv.2003.11931,
title = {Triad State Space Construction for Chaotic Signal Classification with Deep Learning},
author = {Yadong Zhang and Xin Chen},
journal= {arXiv preprint arXiv:2003.11931},
year = {2020}
}