Участник:Isachenkoroma
Материал из MachineLearning.
(→Отчет о научно-исследовательской работе) |
(→Отчет о научно-исследовательской работе) |
||
| Строка 19: | Строка 19: | ||
'''Публикация''' | '''Публикация''' | ||
| - | ''Р.В.Исаченко'' Метрическое обучение и снижение размерности пространства в задачах кластеризации временных рядов // ''Машинное обучение и анализ данных.'' — 2015. — ISSN 2223-3792. Т. 2, №1, 2016. | + | ''Р. В. Исаченко'' Метрическое обучение и снижение размерности пространства в задачах кластеризации временных рядов // ''Машинное обучение и анализ данных.'' — 2015. — ISSN 2223-3792. Т. 2, №1, 2016. |
| Строка 27: | Строка 27: | ||
'''Технический отчёт''' | '''Технический отчёт''' | ||
| - | ''Р.В.Исаченко'' Metric Learning and Feature Selection for Multiclass Classification of Time Series. Технический отчёт // ''Сервер вычислительных экспериментов''. - mvr.jmlda.org | + | ''Р. В. Исаченко'' Metric Learning and Feature Selection for Multiclass Classification of Time Series. Технический отчёт // ''Сервер вычислительных экспериментов''. - mvr.jmlda.org |
| Строка 36: | Строка 36: | ||
''Работа посвящена построению модели многоклассовой классификации временных рядов. Предлагается выравнивать временные ряды относительно центроидов классов. Процедура нахождения центроидов и выравнивания временных рядов осуществляется с помощью алгоритма динамической трансформации времени. Для повышения качества классификации в данной работе используются методы метрического обучения. Метрическое обучение позволяет модифицировать расстояния между временными рядами, сближая временные ряды из одного класса и отдаляя временные ряды из разных классов. Расстояние между временными рядами измеряется с помощью метрики Махаланобиса. Процедура метрического обучения состоит в определении оптимальной матрицы трансформаций в метрике Махаланобиса. Для анализа качества построенного алгоритма проведен вычислительный эксперимент на синтетических и реальных данных показаний с акселерометра мобильного телефона.'' | ''Работа посвящена построению модели многоклассовой классификации временных рядов. Предлагается выравнивать временные ряды относительно центроидов классов. Процедура нахождения центроидов и выравнивания временных рядов осуществляется с помощью алгоритма динамической трансформации времени. Для повышения качества классификации в данной работе используются методы метрического обучения. Метрическое обучение позволяет модифицировать расстояния между временными рядами, сближая временные ряды из одного класса и отдаляя временные ряды из разных классов. Расстояние между временными рядами измеряется с помощью метрики Махаланобиса. Процедура метрического обучения состоит в определении оптимальной матрицы трансформаций в метрике Махаланобиса. Для анализа качества построенного алгоритма проведен вычислительный эксперимент на синтетических и реальных данных показаний с акселерометра мобильного телефона.'' | ||
| + | |||
| + | '''Тезисы''' | ||
| + | |||
| + | ''Р. В. Исаченко'' Метрическое обучение в задачах мультиклассовой классификации временных рядов // Сборник тезисов XXIII Международной научной конференции студентов, аспирантов и молодых ученых "Ломоносов-2016" секция "Вычислительная математика и кибернетика". 2016 (опубликована) | ||
'''Публикация''' | '''Публикация''' | ||
| - | ''Р.В.Исаченко'' Метрическое обучение в задачах мультиклассовой классификации временных рядов// '' | + | ''Р. В. Исаченко, В. В. Стрижов'' Метрическое обучение в задачах мультиклассовой классификации временных рядов// ''Информатика и её применения''. 2016 №2 — 2015. — ISSN 1992-2264. Т. 10, №2, 2016. |
Текущая версия
МФТИ, ФУПМ
Кафедра "Интеллектуальные системы"
Направление "Интеллектуальный анализ данных"
isa-ro@yandex.ru
Отчет о научно-исследовательской работе
Весна 2015, 6-й семестр
Метрическое обучение и снижение размерности пространства в задачах кластеризации временных рядов
Работа посвящена использованию методов метрического обучения в задаче кластеризации временных рядов. Применение метрического обучения позволяет модифицировать расстояния между временными рядами, сближая временные ряды из одного кластера и отдаляя временные ряды из разных кластеров. В данной работе расстояние между временными рядами измеряется при помощи метрики Махаланобиса. Процедура метрического обучения состоит в определении оптимальной матрицы ковариаций в метрике Махаланобиса. Кластеризация временных рядов осуществляется алгоритмом k-средних и алгоритмом адаптивного метрического обучения, понижающим размерность пространства кластеризации. Для сравнения этих методов произведён вычислительный эксперимент на синтетических данных и на реальных данных с акселерометра мобильного телефона, сделан вывод об эффективности рассматриваемых методов.
Публикация
Р. В. Исаченко Метрическое обучение и снижение размерности пространства в задачах кластеризации временных рядов // Машинное обучение и анализ данных. — 2015. — ISSN 2223-3792. Т. 2, №1, 2016.
Осень 2015, 7-й семестр
Технический отчёт
Р. В. Исаченко Metric Learning and Feature Selection for Multiclass Classification of Time Series. Технический отчёт // Сервер вычислительных экспериментов. - mvr.jmlda.org
Весна 2016, 8-й семестр
Метрическое обучение в задачах мультиклассовой классификации временных рядов
Работа посвящена построению модели многоклассовой классификации временных рядов. Предлагается выравнивать временные ряды относительно центроидов классов. Процедура нахождения центроидов и выравнивания временных рядов осуществляется с помощью алгоритма динамической трансформации времени. Для повышения качества классификации в данной работе используются методы метрического обучения. Метрическое обучение позволяет модифицировать расстояния между временными рядами, сближая временные ряды из одного класса и отдаляя временные ряды из разных классов. Расстояние между временными рядами измеряется с помощью метрики Махаланобиса. Процедура метрического обучения состоит в определении оптимальной матрицы трансформаций в метрике Махаланобиса. Для анализа качества построенного алгоритма проведен вычислительный эксперимент на синтетических и реальных данных показаний с акселерометра мобильного телефона.
Тезисы
Р. В. Исаченко Метрическое обучение в задачах мультиклассовой классификации временных рядов // Сборник тезисов XXIII Международной научной конференции студентов, аспирантов и молодых ученых "Ломоносов-2016" секция "Вычислительная математика и кибернетика". 2016 (опубликована)
Публикация
Р. В. Исаченко, В. В. Стрижов Метрическое обучение в задачах мультиклассовой классификации временных рядов// Информатика и её применения. 2016 №2 — 2015. — ISSN 1992-2264. Т. 10, №2, 2016.
