模糊认知图与隐马尔可夫模型：在时间序列分类任务范围内的效率比较分析
机器学习
2022-04-29 v1
摘要
时间序列分类是最受欢迎的机器学习任务之一。本文探讨隐马尔可夫模型（HMM）在时间序列分类中的应用。我们区分 HMM 应用的两种模式。第一种，为每个类别构建一个单一模型。第二种，为每个时间序列构建一个 HMM。随后我们将两种分类器构建方法迁移至模糊认知图领域。所识别的四种模型——HMM NN（HMM，每序列一个）、HMM 1C（HMM，每类一个）、FCM NN 与 FCM 1C——在一系列实验中得到研究。我们比较不同模型的性能，并考察其超参数对时间序列分类精度的影响。实证评估显示出每序列一个模型的明显优势。结果表明，HMM 与 FCM 之间的选择应依赖于数据集。
引用
@article{arxiv.2204.13455,
title = {Fuzzy Cognitive Maps and Hidden Markov Models: Comparative Analysis of Efficiency within the Confines of the Time Series Classification Task},
author = {Jakub Michał Bilski and Agnieszka Jastrzębska},
journal= {arXiv preprint arXiv:2204.13455},
year = {2022}
}