×
陈志华;左、王蒙;胡庆华;林，梁

时间序列分类的核稀疏表示。 （英语） 兹比尔1404.68095

信息科学。 292, 15-26 (2015).
摘要：近年来，人们对挖掘时间序列数据越来越感兴趣。为了克服时间偏移的不利影响，基于最近邻分类（NNC）框架，开发了一些有效的弹性匹配方法，如动态时间扭曲（DTW）、带实数惩罚的编辑距离（ERP）和时间扭曲编辑距离（TWED），其中距离\（d（\boldsymbol x，C_{i}）\)测试样本（boldsymbol x）和一个特定类（C_{i}）之间的距离简单地定义为（boldSymbolx）和该类中的训练样本之间的最小距离。在许多应用中，稀疏表示分类器（SRC）是通过将（d（\boldsymbol x，C_{i}）定义为到类（C_{i}）中样本线性组合的距离来应用的，并且在分类精度方面通常优于NNC。然而，由于时间偏移，多个时间序列的线性组合通常没有意义，可能导致分类性能较差。本文引入一类高斯弹性匹配核来处理时移和非线性表示问题。这样，就可以在隐核空间中对时间序列进行线性组合。然后提出了一种用于时间序列分类的核稀疏表示学习框架。为了提高计算效率和分类性能，通过扩展KSVD和标签一致KSVD算法，开发了无监督和有监督字典学习技术。实验结果表明，在分类精度方面，所提出的方法通常优于最新的方法。

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：

稀疏表示;字典学习;时间序列分类;核方法
PDF格式BibTeX公司 XML格式引用
\textit{Z.Chen}等人，《信息科学》。292、15--26（2015年；Zbl 1404.68095）
全文： 内政部

参考文献：

[1] Aharon先生。；Elad，M。；Bruckstein，A.，K-SVD：设计稀疏表示的过完备字典的算法，IEEE Trans。信号处理。，54, 11, 4311-4322 (2006) ·兹比尔1375.94040
[2] 巴希尔，F.I。；Khokhar，A.A。；Schonfeld，D.，使用隐马尔可夫模型的基于对象轨迹的活动分类和识别，IEEE Trans。图像处理。，16, 7, 1912-1919 (2007)
[4] 坎迪斯，E。；J.隆伯格。；Tao，T.，从不完整和不准确的测量中恢复稳定信号，Commun。纯应用程序。数学。，59, 8, 1207-1223 (2006) ·邮编1098.94009
[5] 坎迪斯，E。；Tao，T.，线性规划解码，IEEE Trans。通知。理论，51，12，4203-4215（2005）·Zbl 1264.94121号
[8] Chen，Y.H。；英国加西亚。；古普塔，M.R。；Rahimi，A。；Cazzanti，L.，《基于相似性的分类：概念和算法》，J.Machine Learn。决议，10747-776（2009）·Zbl 1235.68138号
[9] 邓，H。；Runger，G。；Tuv，E。；Vladimir，M.，《用于分类和特征提取的时间序列森林》，Inform。科学。，239, 142-153 (2013) ·Zbl 1321.62068号
[10] Donoho，D.L.，压缩传感，IEEE Trans。通知。理论，52，4，1289-1306（2006）·Zbl 1288.94016号
[11] 杜塔，R.O。；哈特，体育。；Stok，D.G.，《模式分类》（2000），John Wiley&Sons:John Willey&Sons New York
[12] Engan，K。；阿瑟，S.O。；Husöy，J.H.，《多帧压缩：理论和设计》，EURASIP信号处理。，80, 10, 2121-2140 (2000) ·Zbl 1098.94538号
[14] 高，S。；Tsang，I.W.-H。；Ma，Y.，《针对细粒度图像分类的学习类别特定词典和共享词典》，IEEE Trans。图像处理。，23, 2, 623-634 (2014) ·Zbl 1374.94114号
[15] 高，S。；Tsang，I.W。；Chia，L.T.，带内核的稀疏表示，IEEE Trans。图像处理。，22, 2, 423-434 (2013) ·Zbl 1373.94126号
[17] Jalalian，A。；Chalup，S.K.，GDTW-P-SVMs：使用支持向量机的可变长度时间序列分析，神经计算，99，1，270-282（2013）
[20] 江，Z。；林，Z。；Davis，L.S.，标签一致性K-SVD：学习识别词典，IEEE Trans。模式分析。机器智能。(2013)
[21] 基奥，E。；Ratanamahatana，C.A.，《动态时间扭曲的精确索引》，Knowl。通知。系统。，7, 3, 358-386 (2005)
[22] 基奥，E。；Kasetty，S.，《关于时间序列数据挖掘基准的需求：调查和实证》，《数据挖掘知识》。发现号，7349-371（2003）
[24] Krawczak，M。；Szkatuła，G.，《时间序列降维方法》，Inform。科学。，260, 15-36 (2014) ·Zbl 1329.62381号
[25] Kreutz-Delgado，K。；J.F.穆雷。；拉奥，B.D。；Engan，K。；Lee，T.W。；Sejnowski，T.J.，稀疏表示的字典学习算法，神经计算。，15, 2, 349-396 (2003) ·Zbl 1047.68101号
[27] Lichtenauer，J.F。；亨德里克斯，E.A。；Reinders，M.J.T.，《结合统计DTW和独立分类的手语识别》，IEEE Trans。模式分析。机器智能。，30, 11, 2040-2046 (2008)
[28] 林，L。；刘，X。；Zhu，S.-C.，复合聚类抽样的分层图匹配，IEEE Trans。模式分析。机器智能。，32, 8, 1426-1442 (2010)
[29] 刘，H。；刘，Y。；Sun，F.，使用组稀疏编码的交通标志识别，Inform。科学。，266, 75-89 (2014)
[30] Maharaj，E.A。；D’Urso，P.，频域中时间序列的模糊聚类，Inform。科学。，181, 7, 1187-1211 (2011) ·Zbl 1215.62061号
[31] Mairal，J。；巴赫，F。；Ponce，J.，任务驱动词典学习，IEEE Trans。模式分析。机器智能。，34, 4, 791-804 (2012)
[32] Mairal，J。；巴赫，F。；彭斯，J。；萨皮罗，G。；Zisserman，A.，监督字典学习，高级神经信息。过程。系统。(2008)
[34] Marteau，P.F.，《时间扭曲编辑距离与时间序列匹配刚度调整》，IEEE Trans。模式分析。机器智能。，31, 2, 306-318 (2009)
[36] Van Nguyen，H。；帕特尔，V.M。；新墨西哥州纳斯拉巴迪。；Chellappa，R.，对象识别非线性内核词典的设计，IEEE Trans。图像处理。，22, 12, 5123-5135 (2013) ·兹比尔1373.68328
[37] Noponen，K。；Kortelainen，J。；Seppänen，T.，动态系统的不变轨迹分类与ECG案例研究，模式识别。，42, 9, 1832-1844 (2009) ·Zbl 1192.68533号
[38] Pree，H。；Herwig，B。；Gruber，T。；生病，B。；大卫·K。；Lukowicz，P.，《关于通用时间序列相似性度量及其在支持向量机中作为核函数的使用》，Inform。科学。，281, 478-495 (2014)
[39] Pulido，M。；梅林，P。；Castillo，O.，《墨西哥证券交易所时间序列预测用模糊聚合集成神经网络的粒子群优化》，Inform。科学。，280, 188-204 (2014) ·Zbl 1359.62464号
[41] Wang，X.Y。；Mueen，A。；丁·H。；Trajcevski，G。；舍曼，P。；Keogh，E.，时间序列数据表示方法和距离度量的实验比较，数据挖掘知识。Discovery，26，275-309（2013）
[42] Wright，J。；Yang，A。；Ganesh，A。；Sastry，S。；Ma，Y.，基于稀疏表示的鲁棒人脸识别，IEEE Trans。模式分析。机器智能。，31, 2, 210-227 (2009)
[43] Xu，Y。；朱，Q。；风扇，Z。；张，D。；米·J。；Lai，Z.，使用稀疏表示的思想执行从粗到细的人脸识别，Inform。科学。，238, 138-148 (2013)
[44] Yang，A.Y。；周，Z.H。；Balasubramanian，A.G。；Sastry，S。；Ma，Y.，鲁棒人脸识别的快速l1-最小化算法，IEEE Trans。图像处理。，22, 8, 3234-3246 (2013)
[46] Yang，S。；Lv，Y。；任，Y。；Yang，L。；Jiao，L.，通过基于稀疏表示的增量字典学习进行无监督图像分割，Inform。科学。，269, 48-59 (2014)
[47] 尹，J。；刘振华。；Jin，Z。；Yang，W.K.，基于核稀疏表示的分类，神经计算，77，1，120-128（2012）
[48] Yu，D。；Yu，X。；胡，Q。；刘杰。；Wu，A.，大幅度最近邻动态时间扭曲约束学习，Inform。科学。，181, 13, 2787-2796 (2011)
[49] 张，B。；Karray，F。；李，Q。；张，L.，用于微动脉瘤检测和视网膜血管提取的稀疏表示分类器，Inform。科学。，200, 78-90 (2012)
[51] 张海川。；新墨西哥州纳斯拉巴迪。；Zhang，Y.N。；Huang，T.S.，多视角人脸识别的联合动态稀疏表示，模式识别。，45, 4, 1290-1298 (2012)
[53] 张，L。；周，W.D。；Chang，P.C。；刘杰。；严，Z。；Wang，T。；Li，F.Z.，基于核稀疏表示的分类器，IEEE Trans。信号处理。，60, 4, 1684-1695 (2012) ·Zbl 1393.94733号
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。