基于拓扑数据分析的时间序列分类
机器学习
2021-06-15 v2 机器学习
摘要
本文中，我们发展拓扑数据分析方法用于单变量时间序列的分类任务。作为一个应用，我们在两个由压力和非负压力下收集的生理信号组成的公共数据集上执行二类和三类分类任务。我们通过使用信号的时滞嵌入并执行子窗口化——而非使用固定长度窗口——之后利用持续同调工程化稳定的拓扑特征来实现目标。我们所用方法的组合可应用于任意单变量时间序列，且在该应用中使我们能够降低噪声并使用长窗口尺寸而不产生额外计算成本。然后我们在算法工程化的特征上使用机器学习模型，以更少的特征获得更高的准确率。
引用
@article{arxiv.2102.01956,
title = {Time Series Classification via Topological Data Analysis},
author = {Alperen Karan and Atabey Kaygun},
journal= {arXiv preprint arXiv:2102.01956},
year = {2021}
}
备注
31 pages, 20 figures