LoCoMotif：发现时间序列中的时间扭曲 motifs
机器学习
2023-11-30 v1
摘要
时间序列 Motif 发现（TSMD）指的是识别在时间序列中多次出现（可能带有微小变化）的模式这一任务。所有现有的 TSMD 方法都存在以下一个或多个局限：它们只寻找模式的最相似两次出现；只寻找预先指定固定长度的模式；无法处理时间轴上的可变性；并且只处理单变量时间序列。在本文中，我们提出一种名为 LoCoMotif 的新方法，它没有任何这些局限。该方法的动机来自物理治疗中的一个具体用例。我们在该用例上展示了所提方法的价值。我们还引入了用于 motif 发现的新的定量评估指标，以及用于比较 TSMD 方法的基准数据。LoCoMotif 大幅优于现有方法，并且具有更广泛的应用性。
引用
@article{arxiv.2311.17582,
title = {LoCoMotif: Discovering time-warped motifs in time series},
author = {Daan Van Wesenbeeck and Aras Yurtman and Wannes Meert and Hendrik Blockeel},
journal= {arXiv preprint arXiv:2311.17582},
year = {2023}
}
备注
26 pages, 15 figures. Submitted to the journal track of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECMLPKDD) 2024 in partnership with the Data Mining and Knowledge Discovery journal. Source code of the method is available at http://github.com/ML-KULeuven/locomotif