Probabilistic discriminative region descriptor for time series classification
Zaman serileri sınıflandırması için olasılıksal ayırt edici bölge bulucu
- Tez No: 762610
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Son yıllarda, resim, metin ve zaman serileri gibi çeşitli veri kümeleri için ayırt edici bölgelerin saptanması gelişmekte olan bir kavramdır. Gelişen veri depolama teknikleri ile birlikte, modellenebilecek zaman serilerinin büyüklüğü ve boyutu da arttı. Bilgisayarların hesaplama kapasiteleri de geliştirilmesine rağmen artan depolama ve hesaplama maliyetleri araştırmacıları daha optimum yöntemleri keşfetmeye zorlamaktadır. Zaman serisi sınıflandırma problemlerinde modellerin karmaşıklığını ve hesaplama maliyetlerini azaltmak için ham verinin tamamını kullanmak yerine zaman serilerindeki ayırt edici alt serileri kullanarak yeni öznitelik gösterimi oluşturulmaktadır. Bu öznitelik gösterimi de serinin ait olduğu sınıfı temsil etmektedir. Zaman serilerinde ayırt edici alt seriler, şekilcikler olarak adlandırılır. Birçok zaman serisi veri kümesinde, şekilcik kullanılarak kurulan sınıflandırma modelleri üstün performans göstermektedir. Ayrıca, şekilciklerin kolaylıkla açıklanabilir ve yorumlanabilir olması da kullanımını arttıran en önemli özelliklerindendir. Bu tezde, zaman serileri üzerinde ayırt edici bölgelerin zaman-gözlem uzayı üzerinde keşfedilmesi ve bu uzay kullanılarak şekilcik çıkarımıyla zaman serisi sınıflandırma akışı sunulmuştur. Uzayın tanımlanması için model seçiminin esnek olması da sunulan akışın bir avantajıdır. Ayırt edici bölgeler elde edildikten sonra, yeni bir öznitelik gösterimi oluşturmak için zaman-gözlem uzayında sınıflara ait, bir sınıflandırma modeliyle tahminlenen olasılık değerleri eşik değer ile filtrelenerek şekilcikler çıkarılır. Yeni öznitelik gösterimi oluşturulduktan sonra sınıflandırma modeli eğitilerek, zaman serisi sınıflandırma problemi çözülür. Deney sonuçlarına göre, önerilen olasılıksal ayırt edici bölge bulucu (PDRD) kullanılarak şekilcik çıkarma yöntemiyle yapılan sınıflandırma, referans veri setleri üzerinde rekabetçi sonuçlar sağlar.
Özet (Çeviri)
Detecting discriminivative regions is a recent promising concept in many different domains for various dataset types such as image, text and time series. In time series domain, time series might be large and high dimensional because of the developing storage capacities. Although computational capacities are improved, storage and computation costs are increased. Therefore recent attempts are focused on the decreasing the computational and run time complexities. To decrease the complexity of the models, instead of using raw data, construction of the new feature representation by using the distinctive sub-sequences of the time series is the most common approach. Discriminative sub-sequences are called as shapelets in time series reflect the characteristics of the class of time series. Shapelets provide interpretable results and shapelet-based classifiers have superior accuracy on many time series datasets. Many researchers have proposed shapelet extraction methodologies for classification purpose. This study proposes a novel local feature extraction framework for time series and shapelet-based time series classification pipeline. Proposed framework provides model selection flexibility to describe the time-observation space to find local discriminative regions. After obtaining the discriminative regions, shapelets are extracted on the time-observation space by thresholding the class probability estimates to construct a new feature representation. New feature representation is calculated by the Euclidean distance between shapelets and time series. Finally, a classifier is trained by the new feature representation. Experimental results show that shapelet-based time series classification by using proposed Probabilistic Discriminative Region Descriptor (PDRD) provides competitive results on benchmark datasets.
Benzer Tezler
- Utilization of 3D data in face recognition
Başlık çevirisi yok
NESLİ ERDOĞMUŞ
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolInstitut Mines-TélécomPROF. DR. JEAN-LUC DUGELAY
- An object recognition framework using contextual interactions among objects
Nesneler arasındaki bağlamsal etkileşimleri kullanan bir nesne tanıma çerçevesi
FIRAT KALAYCILAR
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. SELİM AKSOY
- Clutter detection in pulse-doppler radar systems
Darbe-doppler radar sistemlerinde parazit yankı tespiti
AHMET GÜNGÖR
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SİNAN GEZİCİ
- Climatologies of severe convective storms in Turkey, their environments, and their impacts
Türkiye şiddetli konvektif fırtına klimatolojileri, çevre koşulları ve etkileri
ŞEYDA TİLEV TANRIÖVER
Doktora
İngilizce
2016
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. MİKDAT KADIOĞLU
PROF. DR. DAVID M. SCHULTZ
- Probabilistic time series classification
Olasılıksal zaman serisi sınıflandırma
YUSUF CEM SÜBAKAN
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT SANKUR
DOÇ. DR. ALİ TAYLAN CEMGİL