Mar, 2022

早期时间序列分类算法：实证比较

PDF
TL;DR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。
early time-series classificationalgorithm performancedata characteristicslife sciencesmaritime domains
发现论文，激发创造
  • 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

  • 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

  • 时间序列分类的自动特征工程：评估与讨论

    时间序列分类（TSC）一直是数据科学和知识工程中的一项关键且具有挑战性的问题。在过去的二十年里，有关 TSC 的研究受到了广泛关注，并涌现出许多基于相似度度量、区间、形状、字典、深度学习方法或混合集成方法的最新方法。近年来，人们还设计了几种从时间序列中提取无监督信息摘要统计（即特征）的工具。本文通过对 112 个时间序列数据集上进行的超过 10000 次学习实验的结果分析表明，基于特征的方法的性能与当前先进的 TSC 算法一样准确，因此在 TSC 文献中应该得到更多的关注。

    Aug, 2023

  • 大规模时间序列数据的快速分类

    时间序列分类是时间序列挖掘中最重要的任务之一，本论文介绍了一种以效率为主要目标的新方法，通过简化时间序列的表示和考虑部分值的距离度量，实现对大型时间序列数据集的高效分类。实验结果表明，与其他高效方法相比，该方法不仅平均速度快 4 倍，而且在分类准确性上更为优越。

    Dec, 2023

  • 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

  • 智能制造系统中的时间序列分类：最新机器学习算法的实验评估

    本研究旨在评估制造业和工业环境中时序分类任务的 SoTA ML 和 DL 算法的性能。实验表明，ResNet、DrCIF、InceptionTime 和 ARSENAL 是性能最好的算法，其在 22 个制造业时序分类数据集上的平均准确率超过 96.6％。这些发现突显了卷积内核在捕捉时间序列数据中的时序特征方面的鲁棒性、效率、可扩展性和有效性。此外，LSTM、BiLSTM 和 TS-LSTM 算法在利用循环神经网络结构捕捉时间序列数据中的特征方面也值得肯定。

    Oct, 2023

  • 基于端到端学习的时间序列早期分类，用于季节性农作物类型映射

    本文提出了基于 End-to-End Learned Early Classification of Time Series (ELECTS) 的模型，通过训练远程感知卫星获取的时间序列数据来进行预测并提高农作物分类的准确性和判断速度。该模型不仅可以提高分类准确性，同时还能在不降低准确性的情况下尽可能地减少需要下载、存储和处理的数据量。

    Jan, 2019

  • 基于卷积和深度学习的时间序列有序分类技术

    本研究通过建立 TSOC 基准测试来探讨序列分类问题。实验表明，相较于对同类问题的标准分类方法，TSOC 方法在有序标签结构的时间序列数据上的分类表现更好。

    Jun, 2023