×
亚肖德汉·阿塔瓦莱;克里希南，斯里达尔;阿齐兹·格尔加奇

使用Fisher核对信号进行模式分类。 （英语） Zbl 1264.94073号

数学。问题。工程师。 2012年，文章ID 467175，15 p.（2012）.
摘要：本研究的目的是衡量费希尔核在时间序列信号维数简化和分类方面的性能。我们的研究工作表明，Fisher核通过在三维空间中实现更清晰的模式可视化，在信号分类方面显示出了实质性的改进。在本文中，我们将展示Fisher核在金融和生物医学两个领域的性能。金融领域的研究涉及确定在股票市场交易的公司倒闭或生存的可能性。为了评估每家公司的命运，我们使用汤姆森数据流软件收集了由共同时间框架内的每周收盘股价组成的财务时间序列。生物医学领域的研究涉及使用振动关节测量技术收集的膝盖信号。本研究使用软骨退化的严重程度对正常和异常膝关节进行分类。在这两项研究中，我们将Fisher核与高斯混合模型（GMM）相结合，用于将维数转换到特征空间，该特征空间被创建为三维图，用于可视化和使用支持向量机进行进一步分类。从我们的实验中，我们观察到Fisher Kernel的使用非常适合这两种信号，并且分类错误率很低。

MSC公司：

第94页第13页 信息与通信理论中的探测理论
68吨10 模式识别、语音识别
62H30型 分类和区分；聚类分析（统计方面）
91B84号 经济时间序列分析
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
92 C55 生物医学成像和信号处理

关键词：

汤姆森数据流
PDF格式BibTeX公司 XML格式引用
\textit{Y.Athavale}等人，数学。问题。Eng.2012，文章ID 467175，15 p.（2012；Zbl 1264.94073）
全文： 内政部

参考文献：

[1] T.Jaakkola和D.Haussler，“在区分分类器中开发生成模型”，《神经信息处理系统进展》，第11卷，第487-493页，1998年。
[2] K.Tsuda、S.Akaho、M.Kawanabe和K.R.Müller，“fisher核的渐近性质”，《神经计算》，第16卷，第1期，第115-137页，2004年·Zbl 1084.68108号 ·doi:10.1162/08997660460734029
[3] T.Jaakkola、M.Diekhans和D.Haussler，“使用sher核方法检测远程蛋白质同源性”，载于《第七届分子生物学智能系统国际会议论文集》，第149-158页，AAAI出版社，美国加州门罗公园，1999年。
[4] C.Saunders、J.Shawe-taylor和A.Vinokourov，“字符串核、sher核和nite状态自动机”，《神经信息处理系统进展》，第15卷，第633-640页，2003年。
[5] J.Shawe-Taylor和N.Cristianini，《模式分析的核心方法》，剑桥大学出版社，2004年·Zbl 0994.68074号
[6] M.Sewell，“fisher内核：简要回顾”，研究报告RN/11/062011。
[7] L.V.D.Maaten，“学习有区别的谷物”，《第28届机器学习国际会议论文集》，美国华盛顿州贝尔维尤，2011年。
[8] N.D.Smith和M.J.F.Gales，“使用SVMS和判别模型进行语音识别”，《IEEE声学、语音和信号处理国际会议论文集》（ICASSP’02），第I/77-I/80页，美国，2002年5月。
[9] N.Smith和M.Niranjan，“支持向量机语音模式经典化中的数据依赖核”，《国际口语处理会议论文集》，2001年。
[10] N.Smith和M.Gales，“使用svms的语音识别”，《神经信息处理系统进展》，第14卷，第1197-1204页，2002年。
[11] P.J.Moreno和R.Rifkin，“使用Fisher核方法进行网络音频分类”，《IEEE声学、语音和信号处理国际会议论文集》（ICASSP’00），第2417-2420页，2000年6月。
[12] A.D.Holub、M.Welling和P.Perona，“将生成模型和fisher核相结合用于对象识别”，载于《第十届IEEE国际计算机视觉会议论文集》（ICCV'05），第136-143页，2005年10月·doi:10.1109/ICCV.2005.56
[13] J.Chen和Y.Wang，“利用fisher内核解码严重噪声的文档图像”，《第九届国际文档分析与识别会议论文集》（ICDAR’07），第417-421页，2007年9月·doi:10.10109/ICDAR.2007.4378743
[14] F.Perronnin和C.Dance，“图像分类视觉词汇的Fisher内核”，摘自2007年6月IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'07），第1-8页·doi:10.1109/CVPR.2007.383266
[15] D.H.Hu、X.X.Zhang、J.Yin、V.W.Zheng和Q.Yang，“基于HDP-HMM模型的异常活动识别”，《第21届国际人工智能联合会议论文集》（IJCAI'09），第1715-1720页，2009年7月。
[16] F.Perronnin和J.A.Rodriguez-Serrano，“手写排字的Fisher内核”，《第十届国际文档分析与识别会议论文集》（ICDAR’09），第106-110页，2009年7月·doi:10.1109/ICDAR.2009.16
[17] N.Bouguila，“使用fisher内核的形状建模和分类”，载于《多媒体计算和系统国际会议论文集》（ICMCS’11），2011年4月·doi:10.1109/IMCS.2011.5945728
[18] O.Aran和L.Akarun，“Fisher分数的多类分类策略：应用于独立于签名者的手语识别”，《模式识别》，第43卷，第5期，第1776-1788页，2010年·Zbl 1191.68550号 ·doi:10.1016/j.patcog.2009.12.002
[19] F.Perronnin、J.Snchez和T.Mensink，“为大规模图像经典化改进sher内核”，发表在《欧洲计算机视觉会议论文集》（ECCV'10），2010年。
[20] N.Bouguila和O.Amayri，“基于SVM的离散混合内核：垃圾邮件和图像分类应用”，《信息处理与管理》，第45卷，第6期，第631-642页，2009年·doi:10.1016/j.ipm.2009.05.005
[21] R.O.Duda、P.E.Hart和D.G.Stork，《模式分类》，《威利国际科学》，第二版，2000年。
[22] N.Cristianini和J.Shawe-Taylor，《支持向量机简介：以及其他基于内核的学习方法》，剑桥大学出版社，2000年·Zbl 0994.68074号
[23] V.Wan和S.Renals，“使用序列鉴别支持向量机进行说话人验证”，IEEE语音和音频处理汇刊，第13卷，第2期，第203-210页，2005年·doi:10.1109/TSA.2004.841042
[24] A.P.Dempster、N.M.Laird和D.B.Rubin，“通过EM算法从不完整数据中获得最大似然”，《皇家统计学会杂志》。B辑，第39卷，第1期，第1-38页，1977年，附讨论·Zbl 0364.62022号
[25] F.Dellart，“期望最大化算法”，技术代表GIT-GVU-02-20，佐治亚理工学院计算学院，2002年。
[26] V.N.Vapnik，《统计学习理论的本质》，斯普林格出版社，纽约州纽约市，美国，1995年·Zbl 0833.62008号
[27] “多伦多证券交易所”http://www.tmx.com/。
[28] “纽约证券交易所”http://www.nyse.com/。 ·Zbl 0896.90018号
[29] 全国证券交易商自动报价协会http://www.nasdaq.com/。
[30] “汤森路透数据流，”http://online.thomsonreuters.com/datastream/。
[31] F.Black和M.Scholes，“期权和公司负债的定价”，《政治经济学杂志》，第81卷，第3期，第637-6541973页·Zbl 1092.91524号
[32] Brorsen，B.Wade和S.R.Yang，“非线性动力学和每日股票指数收益的分布”，《金融研究杂志》，第17卷，第2期，第187-203页，1994年。
[33] M.Staunton，《从对数正态资产收益率中推导Black-Scholes》，Willmott，2002年。
[34] J.Platt，“序列最小优化：训练支持向量机的快速算法”，技术代表MSR-TR-98-14，微软研究，1998年。
[35] R.M.Rangayyan、S.Krishnan、G.D.Bell、C.B.Frank和K.O.Ladly，“膝关节振动造影信号的参数表示和筛选”，IEEE生物医学工程学报，第44卷，第11期，第1068-1074页，1997年·数字对象标识代码：10.1109/10.641334
[36] Y.Athavale、S.Krishnan、P.Hosseinizadeh和A.Guergachi，“使用基于内核的机器学习方法识别技术、制药和银行部门企业失败的可能性”，《IEEE系统、人和控制论国际会议论文集》（SMC'09），第1073-1077页，2009年10月·doi:10.1109/ICSMC.2009.5345982
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。