TSC
西檬饭
这个作者很懒,什么都没留下…
展开
-
论文阅读:A novel multi-kernel 1D convolutional neural network for stress recognition from ECG
背景压力状态和ECG相关,作者想通过神经网络去提取ECG中的有效特征并对提取的特征分类,得到压力状态。压力的判别已经有很多方法,但是还是缺少一种比较客观、可靠的方法去估计压力,尤其是那些刻意隐藏压力表现的。由于生理信号无法被隐藏,可作为可靠的表征。1D CNN也有用在一下ECG的分类中,是不是也可以用在这里?实验过程和细节数据采集来自24个人(7女,14男);压力分为两类:中性期和压力期,不同的压力期分为4个实验阶段(社会暴露、压力事件回忆、认知负荷、观看压力视频)。详细描述如下表:通过两原创 2020-07-22 10:21:32 · 373 阅读 · 0 评论 -
论文阅读:Time Series Shapelets: A New Primitive for Data Mining
时间序列分类最简单和稳健的方法是最近邻算法,优点是没有大量参数需要调整,缺点是我们无法深入了解一个特定的对象为什么被分到一个特定的类。图1显示了两类叶子的例子,荨麻(刺荨麻)和马鞭草。这两种植物通常被混淆。为了区分两种叶子,颜色和大小的可变性使类之间的差异性很小,我们最大的希望是基于叶子的形状。但从总体来看还是相差很细微。尝试将每个叶子转换成一维表示,如图2所示。然而,使用(旋转不变)欧几里德距离或动态时间扭曲(DTW)距离的最近邻分类器并没有显著优于随机猜测。原因似乎是数据有点嘈杂(即昆虫咬伤和原创 2020-07-22 18:49:27 · 2935 阅读 · 3 评论 -
InceptionTime: Finding AlexNet for Time Series Classification
1.InceptionTime: Finding AlexNet for Time Series Classification2.Github 代码3.论文笔记时间序列分类(TSC)是机器学习的一个研究领域,主要研究如何将标签分配给时间序列。HIVE-COTE算法精度高但是时间复杂度更高,O(N2⋅T4)O(N^2 ·T^4)O(N2⋅T4).其中N为一个序列的数量,T为序列的长度。为了解决...原创 2020-05-10 15:02:06 · 7045 阅读 · 2 评论