时间序列的早期分类。基于成本的优化标准和算法

May, 2020

时间序列的早期分类。基于成本的优化标准和算法

Early Classification of Time Series. Cost-based Optimization Criterion and Algorithms

Youssef Achenchabe, Alexis Bondu, Antoine Cornuéjols, Asma Dachraoui

TL;DR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。

Abstract

An increasing number of applications require to recognize the class of an incoming time series as quickly as possible without unduly compromising the accuracy of the prediction. In this paper, we put forward a new optimization criterion which takes into account both the cost of misclas

time series optimization criterion unsupervised-based supervised-based classification

发现论文，激发创造

时间序列早期分类的方法和应用：一份综述

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。

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

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

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

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

自适应的代价敏感的在线分类

本文提出了一类基于自适应正则化的代价敏感在线分类算法，并将描绘技术引入到算法中以提高效率。通过针对真实世界的在线异常检测任务的应用，证明了该算法在各种领域中解决代价敏感在线分类问题的有效性和效率。

Apr, 2018

基于两种新距离的有序时间序列模糊聚类及其经济应用

本文针对序列响应的类别性时间序列聚类问题，提出了基于原型聚类方法的两种距离度量，并采用模糊聚类方法提高了其计算效率和准确性，所提方法在经济学时间序列应用中具有很好的可行性。

Apr, 2023

基于片段类型特征化的时间序列聚类

该研究提出一种基于两阶段聚类的时间序列聚类新技术，其中使用最小二乘多项式分段过程对每个时间序列进行分段，并将它们映射到相同维度的空间中进行一系列的聚类过程，最终结果很有前途，并在与两种最新方法相比较时显示出性能表现优异。

Oct, 2018

早期时间分类与累积准确度差控制

通过引入一种统计框架，本文提出了一种适用于任何连续分类器的校准停止规则，以有限样本、基于分布的方式控制完整和早期分类之间的准确性差距，在平均上具有较高的错误控制能力，并通过数字实验证明了该方法的有效性和实用性。

Feb, 2024