“فاصله پیچش زمانی پویای تطبیق پذیر با هزینه برای طبقه بندی در تحلیل سری زمانی”

فاصله پیچش زمان پویا (DTW) معمولا در اندازه گیری شباهت بین سری های زمانی برای طبقه بندی به کار برده شده است. به منظور بدست آوردن حداقل فاصله تجمعی، فاصله DTW ممکن است چندین نقطه بر روی یک سری زمانی را به یک نقطه در سری زمانی دیگر نگاشت کند و این باعث می شود سری زمانی بسیار فشرده شده و یا طولانی شود و منجر به از دست رفتن اطلاعات ویژگی های مهم شده, به گونه ای که دقت طبقه بندی را تحت تاثیر قرار می دهد. در این مقاله، ما یک روشی به نام فاصله پیچش زمانی پویای هزینه تطبیق پذیر  (AC-DTW) را مطرح کرده ایم، به طوریکه تعداد نقاط در یک سری زمانی نگاشت شده به نقاط بر روی سری زمانی دیگر را  تنظیم و تطبیق می کند. AC-DTW مسیرهای تمام نقاط را ثبت  می کند و سپس به طور انطباقی نرخ هزینه برای هر نقطه را با محاسبه تابع هزینه در گام بعدی اختصاص می دهد. نتایج آزمایشات پیاده سازی شده بر روی مجموعه داده  UCR 17 با استفاده از نزدیکترین طبقه بند همسایه نشان می دهد که AC-DTW از نظر معیار میزان دقت بالاتر, در مقایسه با برخی از روش های موجود برتری دارد.

اطلاعات محصول:

سال انتشار: 2017

تعداد صفحات مقاله انگلیسی: 7

تعداد صفحات ترجمه فارسی: 12