基于偏好的时域全局相似度方法性能度量
机器学习
2018-01-17 v2 等离子体物理
摘要
对于时域全局相似度(Time-Domain Global Similarity, TDGS)方法，其将数据清洗问题转化为关于通道间物理相似性的二分类问题，直接采用常见性能度量只能保证物理相似性方面的性能。然而，实际数据清洗任务对原始数据序列的正确性存在偏好。为获得基于任务偏好的性能度量通用表达式，本文利用概率论研究了 TDGS 方法在物理相似性上的性能与数据序列正确性之间的映射关系。给出了 TDGS 方法在几种常见数据清洗任务中的性能度量。介绍了这些基于偏好的性能度量可被简化的情形。
引用
@article{arxiv.1706.10020,
title = {Preference-based performance measures for Time-Domain Global Similarity method},
author = {Ting Lan and Jian Liu and Hong Qin},
journal= {arXiv preprint arXiv:1706.10020},
year = {2018}
}