基于时间序列度量学习的日常规律建模
机器学习
2019-07-11 v1 人工智能
机器学习
摘要
传统上，人类活动的自动识别是通过监督学习算法在有限特定活动集上进行的。本工作提出识别称为日常规律（routines）的周期性活动模式，而非精确定义的活动。日常规律的建模被定义为一个度量学习问题，并提出了一种基于序列到序列模型的称为 SS2S 的架构，以学习时间序列之间的距离。该方法仅依赖惯性数据，因此是非侵入式的且保护隐私。实验结果表明，采用所学距离的聚类算法能够恢复日常规律。
引用
@article{arxiv.1907.04666,
title = {Routine Modeling with Time Series Metric Learning},
author = {Paul Compagnon and Grégoire Lefebvre and Stefan Duffner and Christophe Garcia},
journal= {arXiv preprint arXiv:1907.04666},
year = {2019}
}