TsFeX：基于时间序列特征提取与梯度提升的接触追踪模型
机器学习
2021-12-07 v2
摘要
随着 COVID-19 大流行的爆发，有效识别可能曾与 COVID-19 感染者密切接触个体的迫切需求随之产生。这一识别个体的过程，亦称为“接触追踪”，对遏制和控制该病毒传播具有重要意义。然而，人工追踪已被证明效率低下，亟需自动化的接触追踪方法。为此，本研究提出了一种自动化机器学习系统，利用手持设备传输的传感器数据来识别可能曾与 COVID-19 感染者接触的个体。本文描述了为得到最优解决方案模型所遵循的不同方法，该模型利用梯度提升算法和时间序列特征提取，有效预测一个人是否曾与感染者处于近距离接触。
引用
@article{arxiv.2111.14454,
title = {TsFeX: Contact Tracing Model using Time Series Feature Extraction and Gradient Boosting},
author = {Valerio Antonini and Yingjie Niu and Manuela Nayantara Jeyaraj and Sonal Santosh Baberwal and Faithful Chiagoziem Onwuegbuche and Robert Foskin},
journal= {arXiv preprint arXiv:2111.14454},
year = {2021}
}