Classification des Séries Temporelles Incertaines par Transformation Shapelet
Résumé
Time serie classification is used in a diverse range of domain such as meteorology, medicine and physics. It aims to classify chronological data. Many accurate approaches have been built during the last decade and shapelet transformation is one of them. However, none of these approaches does take data uncertainty into account. Using uncertainty propagation techiniques, we propose a new dissimilarity measure based on euclidean distance. We also show how to use this new measure to adapt shapelet transformation to uncertain time series classification. An experimental assessment of our contribution is done on some state of the art datasets.
La classification des séries temporelles est une tâche utilisée dans divers domaines tels que la météorologie, la médecine et la physique. Elle a pour but de classer des objets modélisés sous forme de séries temporelles. Des al-gorithmes toujours plus efficaces ont vu le jour durant cette dernière décennie pour accomplir cette tâche. Parmi ces algorithmes, il y a ceux basés sur la transformation en shapelet. Cependant aucun de ces derniers n'est applicable dans le cadre des séries temporelles incertaines. En utilisant les techniques de propagation de l'incertitude, nous proposons dans cet article une nouvelle mesure de dissimilarité incertaine que nous utilisons ensuite pour adapter la transformation en shapelet aux séries temporelles incertaines. Une validation expérimentale sur des données de la littérature montre l'intérêt de notre approche.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|