May, 2020

时间序列早期分类的方法和应用：一份综述

PDF
TL;DR本文系统地回顾了当前文献中针对一元和多元时间序列早期分类的各种方法，将这些方法划分为基于前缀、基于形状、基于模型和其他方法四个类别，并讨论了在医疗保健、金融和智能交通等领域中早期分类的应用。未来的研究方向也得到了总结。
early classificationtime serieshealthcarefinancesystematic review
发现论文，激发创造
  • 时间序列的早期分类。基于成本的优化标准和算法

    本文提出了一种采用新的优化准则的分类算法，该准则考虑了分类错误的成本和等待决策的成本，并尝试通过使用聚类或分类器来减少误判和延迟的影响，实验结果表明，这种方法优于传统的基于经验策略的方法。

    May, 2020

  • 时间序列的早期分类：分类体系和基准

    提供了一个早期分类的时间序列问题的评价方法，并通过一系列实验评估了九种现有算法的性能，同时还介绍了一个包含大多数现有算法的开源库。

    Jun, 2024

  • 跨通道和时间维度的多元时间序列早期分类

    本研究提出了一种更灵活的早期分类流程，将早期分类范例扩展到通道维度，并利用强化学习技术和约束条件来实现此方法，在合成数据上进行实验并在实际数据集上评估其性能，结果表明该方法可以通过实现更精确的分类来增强早期分类范例。

    Jun, 2023

  • 时间序列分析的深度学习

    本文综述了深度学习在时间序列分析和预测领域的主要技术，这些新技术实现了针对时间序列的无监督特征学习，并且取得了不错的应用效果。

    Jan, 2017

  • 早期时间序列分类算法：实证比较

    本研究旨在评估和比较现有的早期时序分类算法，为生命科学和海事领域提供分类预测，并建立一个可用于相关技术测试的基准。

    Mar, 2022

  • 如何在开放时间序列中分类事件？

    本文首次研究在流式事件没有预先定义终点的情况下，早期分类与准确性的平衡如何优化，并发现过去的算法可以用于新的问题，同时应用于预测性维护，最终取得了成功。

    Apr, 2022

  • TEASER：时间序列早期准确分类

    TEASER 是一种新算法，它将早期时间序列分类建模为两个级别的分类问题，并在使用 45 个基准数据集进行评估时比竞争对手提前两至三倍地预测，同时达到相同或更高的分类准确性。

    Aug, 2019

  • 基于特征的高度比较时间序列分类

    一种高度比较，基于特征的时间序列分类方法，利用广泛的算法数据库从时间序列中提取数千个可解释的特征，并采用贪心前向特征选择与线性分类器选择最具信息的特征进行分类，实现了对时序列的降维并超越了传统的基于实例的分类器。

    Jan, 2014

  • 多元时间序列分类：深度学习方法

    本研究探究适用于时间序列分类领域的不同方法和各种神经网络结构。该论文通过使用来自气体传感器的数据来探测某一特定环境中的占用状态，并使用 Fully Convolutional Networks (FCN) 和 Long Short-Term Memory (LSTM) 进行监督学习和递归自编码器进行半监督学习，通过评估精度和召回率等指标来确定哪种方法最适合此问题。

    Jul, 2023

  • 早期分类多模态序列

    本次试验展示了将现有方法综合运用到多模态序列的早期分类问题中可获得高达 8.7% 的实验性 AUC 优势。

    May, 2023