会议论文《基于Self-Training和HMM的时间序列分类》探讨了利用自训练（Self-Training）与隐马尔可夫模型（HMM）进行时间序列分类的方法。该研究旨在提高在数据标注不足情况下的分类性能，通过自训练机制增强模型的泛化能力，结合HMM对时间序列的建模优势，提升分类准确性。论文发表于中国计算机用户协会网络应用分会2010年网络新技术与应用研讨会，为时间序列分析提供了新的思路。
文档为pdf格式，0.34MB，总共5页。
举报
