Time series on Riemannian manifolds
Riemann manifoldları üzerinde zaman serileri
- Tez No: 489420
- Danışmanlar: PROF. DR. MEHMET KEMAL LEBLEBİCİOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Bu tezde, zaman serileri ile ilgili problemleri çözmek için öznitelik kovaryans matrisleri kullanılmıştır. Tezin ilk bölümünde, zaman serilerinin öznitelik kovaryans matrisleri kullanılarak temsil edilmesi için yeni bir gösterim önerilmektedir. Bu gösterimle zaman serileri Riemann manifoldu uzayına taşınır. Önerilen gösterim, öncelikle iki boyutlu zaman serileri olan yörüngelere uygulanmıştır. Kalabalık görsel sahnelerde anomali tespiti ve aktivite algılama problemleri yörüngeler kullanılarak incelenmiştir. Önerilen gösterimin ikinci kullanımı bir boyutlu zaman serilerinin sınıflandırılmasında gerçekleşmiştir. Örtüşen alt dizilerin öznitelik kovaryans matrisleri çıkarılmış ve girdi olarak iki iyi bilinen sınıflandırıcıya beslenmiştir. Tezin son katkısı, yüksek boyutlu kovaryans matrisleri için sıralamaya dayalı bir mesafe ölçüsüdür. Mesafe ölçüsü, iskelet hareketi tanıma problemini çözmek için kullanılmıştır. Klasik mesafe ölçülerinden farklı olarak, sıralamaya dayalı mesafe ölçüsü, manifoldun yapısını öğrenmeyi sağlar. Bu nedenle, esas olarak, bir manifold öğrenme yaklaşımının da önerildiği iddia edilebilir. Bu tezde önerilen yaklaşımların performansları, yaygın olarak bilinen veri kümeleri üzerinde en yeni tekniklerle karşılaştırılmıştır. Çalışılan tüm problemler için, en yeni tekniklerle karşılaştırıldığında benzer veya daha iyi sonuçlar elde edilmiştir.
Özet (Çeviri)
In this thesis, feature covariance matrices are utilized to solve the several problems related to time series. In the first part of the thesis, a novel representation is proposed to represent the time series using feature covariance matrices. By this representation, time series are carried onto Riemannian manifold space. The proposed representation is firstly applied to trajectories which are essentially 2D time series. Anomaly detection and activity perception problems in crowded visual scenes are studied by using the trajectories. The second utilization of the proposed representation is for classification of 1D time series. The feature covariance matrices of overlapping subsequences are extracted and fed into two well-known classifiers as the input. The last contribution of the thesis is a rank-based distance measure for high dimensional covariance matrices. The distance measure is utilized to solve skeletal action recognition problem. Unlike classical distance measures, the rank-based distance measure enables to learn the manifold structure. For this reason, essentially, it can be asserted that a manifold learning approach is also proposed. For all of the studied problems, we achieve comparable or outperforming results compared to the state-of-the-art techniques.
Benzer Tezler
- The forecast performance of classical time series models and machine learning algorithms on bitcoin series using exogenous variables
Klasik zaman serisi modellerinin ve makine öğrenme algoritmalarının bitcoin serisi üzerinde dışsal değişkenler kullanarak öngörü performansları
SEVİLAY DOĞAN
Yüksek Lisans
İngilizce
2022
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. CEYLAN YOZGATLIGİL
- Zaman serilerinde kaos ve Forex üzerine uygulama
Chaos in time series and an application on Forex
ŞAHİKA GÖKMEN
- İMKB-100 endeksinde oynaklığın doğrusal olmayan zaman serileri ile modellenmesi
Modelling the volatility with nonlinear time series on ISE-100 index
BURCU ERGUN
Yüksek Lisans
Türkçe
2010
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
YRD. DOÇ. DR. HAMDİ EMEÇ
- Rasat kuyularından alınan ölçümler üzerinde makine öğrenmesi ve zaman serileri kullanılarak yer altı sularının seviyelerinin tahmin edilmesi
Predicting groundwater levels using machine learning and time series on measurements taken from observation wells
ELİF BAHAR ÖZDOĞRU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ULAŞ
- Tek değişkenli zaman serilerini mevsimlik etkien arındırmada uygun tekniğin belirlenmesi ve bir uygulama
Determination of best techniques on filtering the seasonal effect of univarite time series and on application
KEMAL POYRAZ