ucr archive | BriefGPT - AI 论文速递

关键词ucr archive

搜索结果 - 8

寻找用于时间序列分类的基础模型与预训练任务
该研究旨在解决时间序列分类中的过拟合问题，通过引入预训练的领域基础模型，并使用一种新颖的预训练任务，该任务可跨多个数据集，以产生可应用于不同数据集的灵活卷积滤波器。实验证明，该预训练策略显著优于传统的无预训练方法，并在小数据集上有效减少过拟
PDF7 months ago
使用迭代求和进行时间序列分类的特征提取
基于迭代和的特征提取和线性分类器的时间序列分类流水线，精度和速度在 UCR 存档上与最先进的方法竞争，并且对时间扭曲具有不变性。
PDF7 months ago
QUANT: 时间序列分类的极简区间方法
使用一个特征类型（分位数），固定区间和现成分类器，我们展示了在标准基准数据集上可以实现与现有时间序列分类间隔方法相同的平均准确度。这种间隔方法的提炼在 UCR 档案的 142 个数据集上取得了最先进的准确度，并且只需不到 15 分钟的总计算
PDFa year ago
RED CoMETS：用于符号表示的多变量时间序列的集成分类器
RED CoMETS 是一种新的集成分类器，是在符号表示的单变量时间序列的基础上扩展到处理多变量数据的，能够有效地处理高维度、时间依赖性和不同长度的多变量时间序列数据，在 UCR 存档的基准数据集上表现出与最先进技术相媲美的准确性，尤其在
PDFa year ago
Bake off redux: 近期时间序列分类算法的综述和实验评估
通过对 UCR 数据集中的 85 个数据集进行比较，本文对 18 种时间序列分类算法性能进行了评估，建立了五类算法的分类法，新增三类以反映新进展，通过引入新数据集并对比算法，确定了 Hydra + MultiROCKET 和 HIVE-CO
PDFa year ago
MINIROCKET: 用于时间序列分类的非常快速（几乎确定性）变换
采用随机卷积核转换输入时间序列并使用转换特征训练线性分类器的 ROCKET 算法与大多数现有方法的计算复杂度相比具有更高的准确性，而 MINIROCKET 方法则在维持基本相同的精度的同时，在大型数据集上比 ROCKET 更快 75 倍，并
PDF4 years ago
TS-CHIEF：一种可扩展和准确的用于时间序列分类的随机森林算法
TS-CHIEF 是一种新的 TSC 算法，它构建了一个集成了最有效的时间序列嵌入式森林的集成分类器，通过使用树形分类器进行高效的分类。我们对加利福尼亚大学河滨（UCR）档案的 85 个数据集进行了评估，在可扩展性和效率方面实现了最新的准确
PDF5 years ago
UEA 多元时间序列分类档案，2018
该文论述了关于 UCR 时间序列分类存档以及多变量时间序列分类中算法评估需要面对的问题，并提出 MTSC 存档，旨在为多变量时间序列分类领域提供更多的数据以进行评估。
PDF6 years ago