通过符号多项式直方图进行时序分类
人工智能
2015-03-12 v4 数据库
机器学习
摘要
时序分类因在从医学到计量经济学等多个领域中观察到时序数据而吸引了大量的研究关注。传统上，时序分类的重点是由具有类内模式扭曲和变化的独特模式组成的短时序数据，而最近已有尝试关注由各种局部模式组成的更长序列。本研究提出了一种新方法，可以通过拟合任意阶数的局部多项式函数来检测长时序中的局部模式。多项式函数的系数通过系数分布的等体积离散化转换为符号词。符号多项式词通过为相似的多项式分配相同的词，从而实现了对相似局部模式的检测。此外，从每个时序的词袋中构建了词频直方图。直方图的每一行都为该序列提供了一种新的表示，并象征着局部模式的存在及其频率。实验证据表明，与最先进的基线相比，我们的方法取得了出色的结果，在所有数据集中展现了最佳的分类准确率，并在绝大多数实验中具有统计显著的改进。
引用
@article{arxiv.1307.6365,
title = {Time-Series Classification Through Histograms of Symbolic Polynomials},
author = {Josif Grabocka and Martin Wistuba and Lars Schmidt-Thieme},
journal= {arXiv preprint arXiv:1307.6365},
year = {2015}
}