Xi, Keogh, Shelton y Wei realizaron un punto de referencia comparando varios métodos de clasificación: Clasificación rápida de series de tiempo usando la reducción de la numeración , 2006: http://citeseerx.ist.psu.edu/vie …
Estos son algunos de los métodos citados en su artículo:
- Rodríguez y Alonso (2004) utilizaron un árbol de decisión basado en DTW para clasificar las series de tiempo.
- Nanopoulos y Alcock et al. (2001) utilizaron una red neuronal perceptrónica multicapa.
- Wu y Chang (2004) utilizaron un ” esquema de fusión super-kernel ”
- Chen y Kamel (2005) utilizaron el “enfoque de minimización estática-maximización ” para construir sistemas clasificadores múltiples.
- Kim y Smyth et al. (2004) utilizaron modelos ocultos de Markov .
- Hayashi y Mizuhara et al. (2005) utilizaron distancias DTW para incrustar series de tiempo en un espacio de dimensiones inferiores utilizando un mapa propio de Laplacia . Esta incrustación está diseñada para mejorar la precisión y el rendimiento.
- Chen y Ozsu y col. (2005) utilizaron una medida basada en histogramas de múltiples escalas .
- Eads & Glocer et al. (2005) aplicaron la extracción de características guiadas por gramática para la clasificación de series de tiempo.
- Megalooikonomou y Wang et al. (2005) introdujeron un enfoque simbólico multirresolución que parece superar ligeramente a DTW.
En general, los esquemas de clasificación de series de tiempo más comunes son Dynamic Time Warping (Time-Series Analysis) y Hidden Markov Models, los cuales se popularizaron en la literatura de reconocimiento de voz a fines de los años 70 y 80.
Además ver:
- Zhu & Shasha, High Performance Discovery in Time Series: técnicas y estudios de caso: Página sobre Nyu y High Performance Discovery en Time Series: Técnicas y estudios de casos (monografías en informática): Universidad de Nueva York: 9780387008578: Amazon.com: Libros
- El trabajo de Geurts sobre árboles de regresión (¡y código!): http://www.montefiore.ulg.ac.be/ …, y su documento Extracción de patrones para la clasificación de series de tiempo:
http://citeseer.ist.psu.edu/view …
- Kadous, Clasificación temporal: Extendiendo el paradigma de clasificación a series de tiempo multivariadas: http://citeseerx.ist.psu.edu/vie … (y su respuesta en este hilo)
- Ye & Keogh, Shapelets de series temporales : http://dl.acm.org/citation.cfm?i …
- Weber et al., Un estudio de análisis cuantitativo y rendimiento para
Métodos de búsqueda de similitud en espacios de alta dimensión:
http://www.vldb.org/conf/1998/p194.pdf
- Kuksa, núcleos de similitud generalizada para la clasificación de secuencia eficiente: http://paul.rutgers.edu/~pkuksa/ …
- Deri et al., Tsdb: una base de datos comprimida para series temporales: página en Ntop
- ¿Cuáles son algunos buenos recursos para aprender sobre los modelos ocultos de Markov?
- ¿Cuáles son algunos buenos recursos para aprender sobre las wavelets?
- ¿Cuáles son algunas alternativas a las wavelets?
- ¿Cuáles son algunos buenos recursos para aprender sobre los árboles de decisión?
- ¿Cómo realizo la selección de funciones?
- ¿Cómo puedo medir la dispersión de un conjunto de series de tiempo?
- ¿Cuáles son algunas medidas de series de tiempo?
- ¿Cuáles son algunas medidas de complejidad?
- ¿Existen bibliotecas de código abierto para crear un espectrógrafo / FFT a partir de un archivo de audio dado?
- ¿Cómo se pueden usar los árboles de decisión ID3 o C4.5 para la clasificación de series de tiempo?
- tiempo + serie + compresión – Búsqueda de Google
- Transformación de Hilbert-Huang
- El algoritmo de búsqueda de similitud más rápido para subsecuencias de series de tiempo bajo distancia euclidiana (2015)