具有拒绝选项的早期时间序列分类器
计算机视觉与模式识别
2013-12-17 v1 机器学习
摘要
动态环境中时间序列数据的早期分类是信号处理中一个至关重要且极具挑战性的问题。本文提出了一种具有拒绝选项的分类器架构，能够在无需等待整个时间序列信号出现的情况下进行在线决策。主要思想是尽早以可接受的准确度对气味/气体信号进行分类。该方法不使用分类器的后验概率，而是利用集成学习的“一致性”来决定接受或拒绝候选标签。所引入的算法应用于气味分类的生物化学问题，构建了一种名为 Forefront-Nose 的新型电子鼻。风洞测试台设施上的实验结果证实，与标准分类器相比，Forefront-Nose 在早期性和识别性方面均表现出鲁棒性。
引用
@article{arxiv.1312.3989,
title = {Classifiers With a Reject Option for Early Time-Series Classification},
author = {Nima Hatami and Camelia Chira},
journal= {arXiv preprint arXiv:1312.3989},
year = {2013}
}