利用形状直方图进行多传感器事件检测
机器学习
2014-08-19 v1
摘要
车辆传感器数据由来自多个传感器的多个时间序列组成。利用此类多传感器数据，我们希望检测车辆遇到的特定事件的发生，例如对应于车辆执行的特定机动或遇到的特定条件。事件的特征是在一个或多个传感器内重新出现的相似波形模式。此外，此类模式的持续时间可能是可变的。在这项工作中，我们提出了一种利用受图像处理中类似思想启发的新型特征描述符来检测时间序列数据中此类事件的方法。我们定义了形状直方图：一种维度恒定但仍能捕捉可变持续时间模式的描述符。我们展示了在基于 SVM 的多传感器监督学习场景中使用形状直方图作为特征来检测事件的有效性，即利用多个时间序列来检测一个事件。我们在真实车辆传感器数据上展示了结果，表明我们的技术在数据上的表现优于现有的模式检测实现，并且它可以用于融合来自多个传感器的特征，从而获得比使用任何单个传感器更高的精度。由于以往关于时间序列模式检测的工作是在单序列背景下进行的，我们还展示了我们的技术在多个标准时间序列数据集上的结果，并表明其在与其他已发表结果的排名比较中具有最高的通用性。
引用
@article{arxiv.1408.3733,
title = {Multi-Sensor Event Detection using Shape Histograms},
author = {Ehtesham Hassan and Gautam Shroff and Puneet Agarwal},
journal= {arXiv preprint arXiv:1408.3733},
year = {2014}
}