时间序列分类：研究鸡行为时在（字面意义上的）田野中汲取的教训
机器学习
2020-06-02 v2
摘要
家禽养殖场是人类食物链的重要贡献者。然而，全球范围内，人们对家禽养殖场中牲畜生活质量的担忧日益增长，并要求提高动物福利标准的呼声愈发强烈。传感技术与机器学习的最新进展使得监测禽类并运用所得经验改善所有禽类福利成为可能。该任务表面上看似容易，但研究行为模式涉及收集海量数据，恰可称为大数据（Big Data）。在将大数据用于分析以梳理出有意义且保守的行为模式之前，所收集的数据需经过预处理。预处理是指清洗和准备数据的过程，使其格式可供分类与聚类等下游算法直接分析。然而，正如我们将展示的，鸡群大数据的高效预处理既非平凡，又对后续分析的成功至关重要。
引用
@article{arxiv.1912.05913,
title = {Time Series Classification: Lessons Learned in the (Literal) Field while Studying Chicken Behavior},
author = {Alireza Abdoli and Amy C. Murillo and Alec C. Gerry and Eamonn J. Keogh},
journal= {arXiv preprint arXiv:1912.05913},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1811.03149