基于卷积神经网络在不平衡数据集上的时间序列分类
机器学习
2021-10-12 v1
摘要
时间序列分类（TSC）因其在医疗数据挖掘、天气预报等不同领域的广泛应用而在文献中备受关注。尽管 TSC 算法是为平衡数据集设计的，但大多数现实生活中的时间序列数据集是不平衡的。在类可分离性差的条件下，偏斜分布对基于距离和基于特征的时间序列分类算法都是个问题。为解决不平衡问题，本文采用了基于采样和基于算法的方法。不同方法显著提升了不平衡数据集上时间序列分类的性能。尽管存在高度不平衡比，结果显示在模拟的 TwoPatterns 数据集上 F 值可高达 97.6%。
引用
@article{arxiv.2110.04748,
title = {Time Series Classification Using Convolutional Neural Network On Imbalanced Datasets},
author = {Syed Rawshon Jamil},
journal= {arXiv preprint arXiv:2110.04748},
year = {2021}
}