陈燕平;郝、袁;塔纳温·拉克坦马农;杰辛·扎卡里亚;胡冰;伊蒙·基奥 从时间序列流中不断学习的一般框架。 （英语） Zbl 1405.68281号 数据最小知识。发现。 29，第6期，1622-1664（2015）. 摘要：十多年来，时间序列分类一直是数据挖掘领域的一个活跃研究领域，在学习的易处理性和准确性方面取得了重大进展。然而，几乎所有的工作都假设是一次性的培训课程，其中提供了所有要学习的概念的标记示例。这种假设在少数情况下可能有效，但在大多数医学和科学应用中并不成立，在这些应用中，我们最初可能对可以学习的概念只有最模糊的理解。基于这一观察，我们提出了一个时间序列的永无止境的学习框架，在该框架中，代理检查无限数据流，偶尔向老师（可能是人或算法）请求标签。我们通过实验证明了我们的想法的实用性，这些实验考虑了医学、昆虫学、野生动物监测和人类行为分析等领域的现实问题。 引用于2文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：永无止境的学习;分类;数据流;时间序列 软件：UCI-毫升;物理工具包;UCR套件 PDF格式BibTeX公司 XML格式引用 \textit{Y.Chen}等人，Data Min.Knowl。发现。29，第6号，1622-1664（2015年；兹bl 1405.68281） 全文： 内政部 参考文献： [1] Achtert E、Bohm C、Kriegel H-P、Kröger P（2005）《数据仓库环境中的在线分层聚类数据挖掘》。ICDM，第10-17页 [2] Ambert JD、Hodgman TP、Laurent EJ、Brewer GL、Iliff MJ、Dettmers R（2009）《东北部鸟类监测手册》。弗吉尼亚州平原美国鸟类保护协会 [3] Bache K，Lichman M（2013）UCI机器学习库。加利福尼亚大学信息与计算机科学学院，加利福尼亚州欧文。http://archive.ics.uci.edu/ml/datasets/Individual（个人）+家庭+电力+电力+消费 [4] Bardeli R、Wolff D、Kurth F、Koch M、Frommolt KH（2010）《在复杂声学环境中检测鸟类声音并应用于生物声学监测》。模式识别快报31:1524-1534·doi:10.1016/j.patrec.2009.09.014 [5] Barrenetxea G等人（2008年）《传感器示波器：现成的环境监测》。收录：IPSN，旧金山 [6] Batista G、Keogh E、Mafra-Neto A、Rowton E（2011）传感器和软件，用于计算昆虫学，这是数据挖掘的一种新兴应用。收录：KDD，第761-764页 [7] Berges M、Goldman E、Matthews HS、Soibelman L（2010）《利用非侵入性负荷监测加强住宅建筑的电力审计》，《工业经济学杂志》14（5）：844-858·数字对象标识代码：10.1111/j.1530-9290.2010.00280.x [8] Berlin E，Laerhoven K（2012）《发现具有密集主题的休闲活动》。摘自：2012年国际通用计算会议记录，第250-259页 [9] Borazio M，Laerhoven K（2012）将可穿戴和环境感知结合起来，成为长期睡眠研究的一种不引人注目的工具。In:第二届ACM SIGHIT [10] Campanharo ASLO、Sirer MI、Malgren RD、Ramos FM、Nunes LAN（2011）时间序列和网络之间的双重性。Plos One 6:e23378·doi:10.1371/journal.pone.0023378 [11] Carlson A、Betteridge J、Kisiel B、Settles B、Hruschka Jr ER、Mitchell TM（2010）《走向永无止境的语言学习架构》。In：程序AAAI [12] Charikar M，Chen K，Farach-Colton M（2002）在数据流中查找频繁项。第29届ICALP自动化、语言和编程国际学术讨论会论文集，第693-703页·Zbl 1057.68600号 [13] 陈毅（2014）项目网页。https://sites.google.com/site/nelframework/。2014年4月3日访问 [14] Chen Y，Why A，Batista G，Mafra Neto A，Keogh E（2014）利用廉价传感器对飞虫进行分类。昆虫行为杂志27（5）：657-677·doi:10.1007/s10905-014-9454-4 [15] Chiu B，Keogh E，Lonardi S（2003）时间序列基序的概率发现。摘自：第九届ACM SIGKDD知识发现和数据挖掘国际会议记录，第493-498页 [16] Cormode G，Hadjieleftheriou M（2010）《在数据流中查找频繁项的方法》。VLDB J 19（1）：3-20·doi:10.1007/s00778-009-0172-z [17] Dagan I，Engelson SP（1995）基于委员会的抽样用于训练概率分类器。收录于：ICML，第95卷，第150-157页 [18] Dawson DK，Efford MG（2009），根据声音信号估算鸟类种群密度。应用生态学杂志。46(6):1201-1209 ·文件编号：10.1111/j.1365-2664.2009.01731.x [19] 丁H，Trajcevski G，Scheuermann P，Wang X，Keogh EJ（2008）时间序列数据的查询与挖掘。表征和距离测量的实验比较。PVLDB 1（2）：1542-1552 [20] Dodge Y（2003）《牛津统计术语词典》。牛津大学出版社。国际标准书号0-19-850994-4·Zbl 1027.62001 [21] Elkan C，Noto K（2008）仅从正面和未标记数据学习分类器。KDD，第213-220页 [22] Estan C，Varghese G（2003）交通计量和核算的新方向：关注大象，忽略老鼠。ACM事务计算系统21（3）：270-313·doi:10.1145/859716.859719 [23] Ferreira F、Bota D、Bross A、Mélot C、Vincent J（2001）《SOFA评分预测危重患者预后的系列评估》。JAMA杂志286（14）：1754-1758·doi:10.1001/jama.286.14.1754 [24] Fujii A，Tokunaga T，Inui K，Tanaka H（1998）基于示例的词义消歧的选择性抽样。计算机语言学家24（4）：573-597 [25] Goldberger A等人（2000）PhysioBank、PhysioToolkit和PhysioNet：复杂生理信号的新研究资源的组成部分。循环101（23）：215-220·doi:10.1161/01.CIR.101.23.e215 [26] Goldberger A等人（2013），Physion等人。http://physicnet.ph.biu.ac.il/physicbank/database/chfdb/。2013年2月4日访问 [27] 谷歌预测API。https://developers.google.com/prediction/docs/pricing。2013年7月31日访问 [28] Gupta S、Reynolds S、Patel SN（2010）ElectricSense：使用EMI的单点传感，用于家庭中的电气事件检测和分类。附：普适计算会议记录 [29] Hinman J，Hickey E（2009）使用回归分析建模和预测短期电力负荷。工作文件，伊利诺伊州立大学，师范（美国），秋季 [30] Holyoak DT（2001）Nightjars及其盟友：caprimulgiformes。牛津大学出版社，牛津，纽约。ISBN 0-19-854987-3 [31] Hu B，Chen Y，Keogh EJ（2013）更现实假设下的时间序列分类。输入：SDM·Zbl 1411.62254号 [32] Jin C，Qian W，Sha C，Yu J，Zhou A（2003）在数据流上动态维护频繁项。摘自：第十二届ACM CIKM信息和知识管理国际会议记录，第287-294页 [33] Jin S，Chen Z，Backus E，Sun X，Xiao B（2012）茶树上茶绿叶蝉EPG波形的特征及其与触针活动的相关性。昆虫生理杂志58:1235-1244·doi:10.1016/j.jinspys.2012.06.008 [34] Karp R，Papadimitriou C，Shenker S（2003）一种在集合和包中查找频繁元素的简单算法。ACM Trans数据库系统28:51-55·数字对象标识代码：10.1145/762471.762473 [35] Keogh E，Zhu Q，Hu B，Hao Y，Xi X，Wei L，Ratanamahatana CA（2011）UCR时间序列分类/聚类主页。www.cs.ucr.edu/eamon/time_series_data/ [36] Kolter J，Jaakkola T（2012）加性阶乘HMM中的近似推断及其在能量分解中的应用。J Mach学习研究22:1472-1482 [37] Krishnamurthy A，Balakrishnan S，Xu M，Singh A（2012）《分层聚类的高效主动算法》。arXiv:1206.4672 [38] Lines J、Bagnall A、Caiger-Smith P、Anderson S（2011）《按用电量分类的家用设备》。In:理想，第403-412页 [39] MacLeod J、Greene T、MacKenzie DI、Allen RB（2012）《新西兰保护地上广泛和常见鸟类物种的监测：初步研究》。N Z J经济36（3）：300-311 [40] Manku G，Motwani R（2002）数据流的近似频率计数。In：超大数据库国际会议，第346-357页 [41] Mermelstein，P。；Chen，CH（编辑），语音识别的距离测量，心理和工具（1976），纽约 [42] Metwally A，Agrawal D，Abbadi AE（2005）数据流中频繁元素和top-k元素的高效计算。参加：数据库理论国际会议·Zbl 1112.68371号 [43] Mitchell L（1981）使用CDC微型捕蚊器进行时间隔离蚊子采集。蚊子新闻42:12 [44] Morales L、Arbetman MP、Cameron SA、Aizen MA（2013），入侵物种对本地大黄蜂的快速生态替代。生态环境前沿11:529-534·数字对象标识代码：10.1890/120321 [45] Mueen A，Keogh EJ，Young N（2011）《逻辑形状：时间序列分类的表达原语》。收录：KDD，第1154-1162页 [46] Mueen A，Keogh EJ（2010）《时间序列主题的在线发现和维护》。收录：KDD，第1089-1098页 [47] Nassar S，Sander J，Cheng C（2004）动态分层聚类的增量和有效数据摘要。在：SIGMOD会议，第467-478页 [48] Norris JR（1998）马尔可夫链。剑桥大学出版社·Zbl 0938.60058号 [49] PAMAP（2012）《老年人体力活动监测》。www.pamap.org/demo.html。2012年检索 [50] Robbins CS（1981）白天时间对鸟类活动的影响。《种鸡生物学》6:275-286 [51] Roggen D等人（2012）在高度丰富的网络传感器环境中收集复杂活动数据集。In：Proc'7th IEEE INSS，第233-240页 [52] Rakthanmanon T、Campana B、Mueen A、Batista G、Westover B、Zhu Q等人（2012）在动态时间扭曲下搜索和挖掘数万亿时间序列子序列。第18届ACM SIGKDD知识发现和数据挖掘国际会议记录。ACM，纽约，第262-270页 [53] 罗琳·JK（1997）《哈利·波特与密室》。莱文图书（经院哲学），纽约，斯蒂芬·弗莱（Stephan Fry）、亚瑟·A（Arthur A）阅读 [54] Salton G，McGill MJ（1986）《现代信息检索导论》。纽约McGraw-Hill，ISBN 0-07-054484-0 [55] 解决B（2012）主动学习。Morgan&Claypool，圣拉斐尔·Zbl 1270.68006号 [56] Settles B，Craven M，Friedland L（2008）《主动学习与实际注释成本》。附：NIPS成本敏感学习研讨会会议记录 [57] Shrivastava N、Buragohain C、Agrawal D、Suri S（2004）《中值及其以外：传感器网络的新聚合技术》。输入：ACM SenSys [58] Stikic M、Huynh T、Laerhoven KV、Schiele B（2008）基于RFID和加速度计传感组合的ADL识别。收件人：PervasiveHealth，第258-263页 [59] Tur G，Hakkani-Tür D，Schapire RE（2005），结合主动学习和半监督学习促进口语理解。演讲通讯45（2）：171-186·doi:10.1016/j.specom.2004.08.002 [60] Van Rijsbergen J（1979）《信息检索》，第二版。巴特沃斯，伦敦·Zbl 0227.68052号 [61] Veeraraghavan A，Chellappa R，Roy Chowdhury AK（2006）活动的功能空间。In：计算机视觉和模式识别 [62] Wu Y，Zhou C，Xiao J，Kurths J，Schellnhuber HJ（2010）人类交流中双峰分布的证据。美国国家科学院院刊107:18803-18808·doi:10.1073/pnas.1013140107 [63] Yu H（2005）SVM选择性抽样排序及其在数据检索中的应用。在：第十一届ACM SIGKDD数据挖掘知识发现国际会议论文集。ACM，纽约 [64] 翟S，Kristensson PO，Appert C，Anderson TH，Cao X（2012）《接触面笔画手势设计的基础问题——综合评述》。发现趋势Hum计算交互5（2）：97-205·doi:10.1561/1100000012 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。