沙加耶·加尔加比；是的，Chin-Chia Michael；丁一飞；丁伟；希宾，保罗；塞缪尔·拉穆尼昂；安德鲁·卡普兰；斯科特·E·克劳特。；伊蒙·基奥 多维时间序列的领域无关在线语义分割。 （英语） Zbl 1458.62198号 最小已知数据。发现。 33，第1号，96-130（2019）. 摘要：时间序列域中的无监督语义分割是一个备受研究的问题，因为它有可能检测出理解不良数据中的意外规则和状态。然而，当前的技术有几个缺点，由于四个主要原因，时间序列语义分割的采用受到了学术设置以外的限制。首先，大多数方法需要设置/学习许多参数，因此在推广到新情况时可能存在问题。其次，大多数方法都隐含地假设所有数据都是可分割的，并且当这种假设没有根据时会有困难。第三，尽管多维数据无处不在，但许多算法只针对一维情况进行定义。最后，大多数研究工作都局限于批量案例，但在线细分显然更有用，更具可操作性。为了解决这些问题，我们提出了一种多维算法，该算法与域无关，只有一个易于确定的参数，并且能够高速处理数据流。在这种情况下，我们在该任务中考虑过的最大且最多样化的时间序列数据集集合上测试了该算法，并证明了该算法相对于当前解决方案的优越性。 引用于2文件 MSC公司： 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 68周27 在线算法；流式算法 关键词：时间序列；语义分割；在线算法 软件：CMU运动捕捉 PDF格式BibTeX公司 XML格式引用 \textit{S.Gharghabi}等人，Data Min.Knowl。发现。33，第1号，96-130（2019年；Zbl 1458.62198） 全文： 内政部 参考文献： [1] Aminikhanghahi，S。；Cook，DJ，《时间序列变化点检测方法的调查》，Knowl Inf Syst，51，339-367（2017）·doi:10.1007/s10115-016-0987-z [2] 《匿名》（2018）《人工智能进展》。维基百科 [3] Aoki T，Lin JF-S，KulićD，Venture G（2016）使用多个IMU传感器分割人体上身运动。在：医学和生物学会工程（EMBC），2016年IEEE第38届国际年会。IEEE，第3163-3166页 [4] Bouchard D，Badler N（2007）使用拉班动作分析对动作捕捉进行语义分割。参加：智能虚拟代理国际研讨会。施普林格，第37-44页 [5] Bregler C（1997）学习和识别视频序列中的人体动力学。1997年IEEE计算机学会计算机视觉和模式识别会议，1997年。IEEE会议记录，第568-574页 [6] 凯恩，吉隆坡；萨利斯，JF；康韦，TL；Van Dyck，D。；Calhoon，L.，《在青少年体育活动研究中使用加速计：方法综述》，《健康体育法杂志》，10437-450（2013）·doi:10.1123/jpah.10.3.437 [7] 卡西西，C。；Prestifilippo，M。；Cannata，A。；蒙塔尔托，P。；Patanè，D。；Privitera，E.，地震时间序列的概率推理：埃特纳火山隐马尔可夫模型火山监测，Pure appl Geophys，173，2365-2386（2016）·doi:10.1007/s00024-016-1284-1 [8] Chen Y、Keogh E、Hu B、Begum N、Bagnall A、Mueen A、Batista G欢迎访问UCR时间序列分类/聚类页面。网址：http://www.cs.ucr.edu/eamonn/time_series_data/。2018年9月7日访问 [9] Chuttani，K。；医学博士Tischler；潘迪安，NG；李，RT；莫汉蒂，PK，《心脏手术后心脏压塞的诊断：临床、超声心动图和血流动力学征象的相对价值》，《美国心脏杂志》，127913-918（1994）·doi:10.1016/0002-8703（94）90561-4 [10] 克劳特，东南部；弗林，JI；Bassett，DR Jr，使用腕部加速计估算年轻人的体力活动，医学科学体育演习，47，944（2015）·doi:10.1249/MSS.000000000000502 [11] Dau HA，Begum N，Keogh E（2016）Semi-supervision显著改善了动态时间扭曲下的时间序列聚类。摘自：第25届ACM国际信息与知识管理会议记录。ACM，第999-1008页 [12] Esteban C、Hyland SL、Rätsch G（2017）使用循环条件GAN生成实际值（医学）时间序列。arXiv预打印arXiv:170602633 [13] Ha TM，Bunke H（1997）用扰动方法进行脱机手写数字识别。收录：IEEE模式分析和机器智能事务，第535-539页 [14] Hao Y，Chen Y，Zakaria J，Hu B，Rakthanmanon T，Keogh E（2013）从时间序列流中实现永无止境的学习。摘自：第19届ACM SIGKDD知识发现和数据挖掘国际会议论文集。ACM，第874-882页·Zbl 1405.68281号 [15] Harguess J，Aggarwal JK（2009）使用时间序列分割和形状分析对径赛项目进行语义标记。2009年IEEE第16届图像处理国际会议（ICIP），IEEE，第4317-4320页 [16] Heldt T，Oefinger MB，Hoshiyama M，Mark RG（2003）被动和主动姿势变化的循环反应。收录：《心脏病学中的计算机》，2003年。IEEE，第263-266页 [17] 胡，B。；陈，Y。；Keogh，E.，更现实假设下的流式时间序列分类，Data Min Knowl Disc，30403-437（2016）·Zbl 1411.62254号 ·doi:10.1007/s10618-015-0415-0 [18] Keogh E（2017）本论文的支持网站。网址：http://www.cs.ucr.edu/eamonn/FLOSS/。2018年9月7日访问 [19] 基奥，E。；Kasetty，S.，《关于时间序列数据挖掘基准的必要性：调查和实证证明》，data Min Knowl Disc，7349-371（2003）·doi:10.1023/A:1024988512476 [20] Keogh E，Chu S，Hart D，Pazzani M（2004）《时间序列分割：调查与新方法》。In：时间序列数据库中的数据挖掘。《世界科学》，第1-21页 [21] 科泽·基德尔（Kozey-Keadle），S。；利伯丁，A。；Lyden，K。；Staudenmayer，J。；Freedson，PS，用于评估久坐行为的可穿戴监测器验证，医学科学与体育运动，43，1561-1567（2011）·doi:10.1249/MSS.0b013e31820ce174 [22] Lainscsek，C。；赫尔南德斯，ME；韦亨迈尔，J。；Sejnowski，TJ；Poizner，H.，《脑电图时间序列的非线性动力学分析区分帕金森病患者与健康人》，Front Neurol（2013） [23] 兰·R。；Sun，H.，《通过运动规律实现自动人体运动分割》，《视觉计算》，第31期，第35-53页（2015年）·doi:10.1007/s00371-013-0902-5 [24] 林，JF-S；卡格，M。；Kulić，D.，《人体运动建模的运动原始分割：分析框架》，IEEE Trans-Hum Mach Syst，46，325-339（2016）·doi:10.1109/THMS.2015.2493536 [25] Lyden，K。；基德尔，斯洛伐克；Staudenmayer，J。；Freedson，PS，《利用加速度计估算自由活动和久坐行为的方法》，医学科学与体育运动，46，386（2014）·doi:10.1249/MSS.0b013e3182a42a2d文件 [26] R.Machné。；DB Murray；Stadler，PF，基于相似性的多维信号分割，科学代表，7，12355（2017）·doi:10.1038/s41598-017-12401-8 [27] Maschke GW，Scalabrini GJ（2005）测谎仪背后的谎言。反测谎组织 [28] Matsubara Y、Sakurai Y、Faloutsos C（2014a）Autoplait:共同进化时间序列的自动挖掘。2014年ACM SIGMOD国际数据管理会议记录。ACM，第193-204页 [29] Matsubara Y、Sakurai Y、Ueda N、Yoshikawa M（2014b）快速准确地监测共同演变的数据流。2014年IEEE数据挖掘国际会议（ICDM），IEEE，第390-399页 [30] Matteson，DS公司；James，NA，多元数据多变化点分析的非参数方法，美国统计协会期刊，109，334-345（2014）·Zbl 1367.62260号 ·doi:10.1080/01621459.2013.849605 [31] Mocap.cs.cmu.edu（2017）卡内基梅隆大学-cmu图形实验室运动捕捉库。http://mocap.cs.cmu.edu./。访问日期：2018年9月7日 [32] Mohammadian E、Noferesti M、Jalili R（2014）《快速匿名化大数据流》。摘自：2014年大数据科学与计算国际会议论文集（BigDataScience’14）。ACM，第231-238页 [33] Molina JM、García J、Garcia AB、Melo R、Correia L（2009）《时间序列的分割和分类：真实案例研究》。参加：智能数据工程和自动化学习国际会议。施普林格，pp 743-750 [34] Morris D，Saponas TS，Guillory A，Kelner I（2014）RecoFit：使用可穿戴传感器查找、识别和计数重复运动。在：SIGCHI关于计算系统中人为因素的会议记录。ACM，第3225-3234页 [35] Mu Y，Lo H，Amaral K，Ding W，Crouter SE（2013）儿童体育活动中的加速度计识别模式 [36] Mueen A，Viswanathan K，Gupta CK，Keogh E（2015）欧氏距离下时间序列子序列的最快相似性搜索算法。url:www cs unm edu/～mueen/FastestSimilaritySearch html（2016年5月24日访问） [37] 西野，J。；伊藤，M。；Ishinomori，T。；北纬久保田。；Uemichi，Y.，《废塑料转化为石化产品的催化裂化工艺开发》，《废物管理材料循环杂志》，第5期，第89-93页（2003年）·doi:10.1007/s10163-003-0086-6 [38] Pavlovic V、Rehg JM、MacCormick J（2001）《学习切换人体运动的线性模型》。主题：神经信息处理系统的进展。第981-987页 [39] Reinhardt A、Christin D、Darmstadt TU、Kanhere SS（2013）《通过时间序列模式匹配预测家电功耗》。In：In：第五届ACM节能建筑嵌入式系统研讨会会议记录（BuildSys [40] Reiss A，Stricker D（2012），《为活动监测引入新的基准数据集》，2012年第16届可穿戴计算机国际研讨会。IEEE，英国纽卡斯尔，第108-109页 [41] 塞拉·J。；穆勒，M。；Grosche，P。；Arcos，JL，《基于时间序列结构特征和片段相似性的无监督音乐结构注释》，IEEE Trans-Multimed，161229-1240（2014）·doi:10.1109/TMM.2014.2310701 [42] Wang P，Wang H，Wang W（2011）《时间序列中的语义发现》。2011年ACM SIGMOD的SIGMOD'11会议记录。第385-396页 [43] 韦纳，ID；Charles，SW，低钾血症的后果、原因和纠正，《美国肾脏病杂志》，81179-1188（1997） [44] 克劳特·S，丁·W，基奥·E《预测青少年非结构性短期体育活动的新方法》。格兰托姆 [45] 姚L，盛QZ，阮W，李X，王S，杨Z（2015）通过多维RFID接收信号强度的在线学习实现非侵入式姿态识别。2015年IEEE第21届并行和分布式系统国际会议（ICPADS），IEEE，第116-123页 [46] Yeh C-CM、Zhu Y、Ulanova L、Begum N、Ding Y、Hoang AD、Furtado Silva D、Mueen A（2016）《矩阵轮廓I：时间序列的所有配对相似性连接：一个包含主题、不一致和形状的统一视图》。IEEE，第1317-1322页 [47] Zhao J，Itti L（2016）分解时间序列并应用于时间分割。2016年IEEE计算机视觉应用冬季会议（WACV）。第1-9页 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。