ECRTime：面向时间序列分类的分类与检索集成
机器学习
2024-07-23 v1 人工智能
计算机视觉与模式识别
摘要
深度学习方法通常用于时间序列分类（TSC），它们通过深度网络提取特征，再通过全连接层（FC）和 SoftMax 函数的组合进行处理。然而，我们注意到 UCR 数据集中存在类别间相似性和类别内不一致性现象，并进一步分析了这一现象如何影响 FC+SoftMax 范式。为此，我们提出 ECR 方法，首次将深度学习基于检索的算法应用于 TSC 问题，并集成分类与检索模型。在 112 个 UCR 数据集上的实验结果表明，ECR 在现有深度学习方法中实现了状态（SOTA）。此外，我们开发了更精确的分类器 ECRTime，它是 ECR 的集成。ECRTime 在准确率方面超越了目前最准确的深度学习分类器 InceptionTime，同时实现了更短的训练时间和相当的可扩展性。
关键词
引用
@article{arxiv.2407.14735,
title = {ECRTime: Ensemble Integration of Classification and Retrieval for Time Series Classification},
author = {Fan Zhao and You Chen},
journal= {arXiv preprint arXiv:2407.14735},
year = {2024}
}