論文の概要: Structural Classification of Locally Stationary Time Series Based on Second-order Characteristics

• arxiv url: http://arxiv.org/abs/2507.04237v2
• Date: Thu, 10 Jul 2025 03:23:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 12:24:00.056156
• Title: Structural Classification of Locally Stationary Time Series Based on Second-order Characteristics
• Title（参考訳）: 2次特性に基づく局所定常時間系列の構造分類
• Authors: Chen Qian, Xiucai Ding, Lexin Li,
• Abstract要約: 本稿では,局所定常時系列の2つのクラスを区別する数値的,実用的,理論的に厳密な分類法を提案する。 本手法は,局所定常時系列に対する自己回帰近似に基づいて,アンサンブルアグリゲーションと距離に基づく分類しきい値を組み合わせたものである。 トレーニングサンプルサイズには要件がなく、誤分類エラー率をゼロにすることが示されている。
• 参考スコア（独自算出の注目度）: 18.368110934638207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series classification is crucial for numerous scientific and engineering applications. In this article, we present a numerically efficient, practically competitive, and theoretically rigorous classification method for distinguishing between two classes of locally stationary time series based on their time-domain, second-order characteristics. Our approach builds on the autoregressive approximation for locally stationary time series, combined with an ensemble aggregation and a distance-based threshold for classification. It imposes no requirement on the training sample size, and is shown to achieve zero misclassification error rate asymptotically when the underlying time series differ only mildly in their second-order characteristics. The new method is demonstrated to outperform a variety of state-of-the-art solutions, including wavelet-based, tree-based, convolution-based methods, as well as modern deep learning methods, through intensive numerical simulations and a real EEG data analysis for epilepsy classification.
• Abstract（参考訳）: 時系列分類は多くの科学的・工学的な応用に欠かせない。 本稿では,その時間領域,2次特性に基づいて,局所定常時系列の2つのクラスを区別する数値的,実用的,理論的に厳密な分類法を提案する。 本手法は,局所定常時系列に対する自己回帰近似に基づいて,アンサンブルアグリゲーションと距離に基づく分類しきい値を組み合わせたものである。 トレーニングサンプルサイズに何の要件も課せず、基礎となる時系列が2次特性でわずかに異なる場合、漸近的に誤分類誤差率をゼロにすることが示される。 本手法は, ウェーブレットベース, ツリーベース, 畳み込みに基づく手法や, 最新の深層学習法など, エピレプシー分類のための数値シミュレーション, 実際の脳波データ解析により, 様々な最先端のソリューションより優れていることを示す。

関連論文リスト

• Interval-Valued Time Series Classification Using $D_K$-Distance [0.0]
  本稿では,区間を統一エンティティとして扱う分類手法を提案する。 理論的には、オフセットラデマッハ複雑性に基づく深層マルチクラス化器に対するよりシャープな過剰リスクを導出した。
  論文  参考訳（メタデータ） (2025-04-07T01:31:31Z)
• Adaptive Classification of Interval-Valued Time Series [0.0]
  本稿では,区間値時系列分類のための適応的手法を提案する。 我々は、間隔値の時系列表現を点値の時系列画像化法に基づいて画像に変換する。
  論文  参考訳（メタデータ） (2025-04-04T09:52:40Z)
• MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
  時系列予測は、周波数の異なる周期特性から導かれる。 マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。 主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-03-11T11:40:14Z)
• TimeSiam: A Pre-Training Framework for Siamese Time-Series Modeling [67.02157180089573]
  時系列事前トレーニングは、最近、ラベルのコストを削減し、下流の様々なタスクに利益をもたらす可能性があるとして、広く注目を集めている。 本稿では,シームズネットワークに基づく時系列の簡易かつ効果的な自己教師型事前学習フレームワークとしてTimeSiamを提案する。
  論文  参考訳（メタデータ） (2024-02-04T13:10:51Z)
• Shapelet-based Model-agnostic Counterfactual Local Explanations for Time Series Classification [5.866975269666861]
  時系列分類のためのモデルに依存しないインスタンスベースのポストホック説明可能性法を提案する。 提案したアルゴリズム、すなわちTime-CFはシェープレットとTimeGANを利用して任意の時系列分類器に反実的な説明を提供する。
  論文  参考訳（メタデータ） (2024-02-02T11:57:53Z)
• COSTI: a New Classifier for Sequences of Temporal Intervals [0.0]
  時間間隔のシーケンスを直接操作する新しい分類法を開発した。 提案手法は高い精度を保ち、変換データの操作に接続する欠点を回避しつつ、より良い性能が得られる。
  論文  参考訳（メタデータ） (2022-04-28T12:55:06Z)
• Early Time-Series Classification Algorithms: An Empirical Comparison [59.82930053437851]
  早期時系列分類(Early Time-Series Classification, ETSC)は、できるだけ少ない測定で時系列のクラスを予測するタスクである。 既存のETSCアルゴリズムを公開データと,新たに導入された2つのデータセットで評価した。
  論文  参考訳（メタデータ） (2022-03-03T10:43:56Z)
• Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
  本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。 当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。 単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-10-26T20:41:19Z)
• Theoretical Insights Into Multiclass Classification: A High-dimensional Asymptotic View [82.80085730891126]
  線形多クラス分類の最初の現代的精度解析を行う。 分析の結果,分類精度は分布に依存していることがわかった。 得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
  論文  参考訳（メタデータ） (2020-11-16T05:17:29Z)
• Complexity Measures and Features for Times Series classification [0.0]
  本稿では,時系列分類問題に対する時系列構造に関する情報を抽出できる特徴セットを提案する。 提案手法の実験結果から, 最先端モデルの2次モデルと3次モデルとに統計的に有意な差は認められなかった。
  論文  参考訳（メタデータ） (2020-02-27T11:08:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。