随机扩张形状基变换：一种时间序列形状基的新方法

基于形状片段（shapelet）的算法因其良好的可解释性，被广泛应用于时间序列分类任务中。然而，当前这类方法的性能已被最新的先进方法超越。本文提出了一种新的时间序列形状片段建模方式，引入了“膨胀”（dilation）概念，并设计了一种新型形状片段特征，以增强其在分类任务中的判别能力。在112个数据集上的实验结果表明，所提方法在性能上优于现有的最先进形状片段算法，同时达到了与最新前沿方法相当的分类准确率，且在保持可扩展性与可解释性的前提下，未造成任何性能妥协。