Визуализация временных рядов с использованием t-SNE на основе временного сопоставления
Visualizing Time Series Data with Temporal Matching Based t-SNE
2019-07-01
SCID: 54.1/qsn2kazc
Discuss with AI
AMSSдинамическое выравнивание по времениt-SNEвременное сопоставлениевизуализация временных рядов
Figures from the paper
Abstract (AI)
Интерпретация данных временных рядов всегда была актуальной исследовательской задачей в различных приложениях, особенно поскольку с развитием технологий размерность наборов данных временных рядов продолжает расти до практически неприемлемых уровней. Для решения связанных с этим проблем разработано несколько методов снижения размерности; однако сама природа наборов данных временных рядов обычно связана с такими факторами, как временные сдвиги, сдвиги и масштабирование амплитуды, которые могут влиять на достоверность результатов визуализации. t-распределённое стохастическое вложение соседей (t-SNE) считается высокоэффективным алгоритмом машинного обучения для визуализации и фактически представляет собой нелинейный метод снижения размерности, специально предназначенный для отображения многомерных данных в пространство низкой размерности, состоящее всего из двух или трёх измерений, для их эффективной визуализации. Учитывая ключевую проблему применения t-SNE для визуализации данных временных рядов, мы предлагаем внедрить в t-SNE две метрики временного сопоставления — динамическое выравнивание по времени (DTW) и угловую метрику сходства форм (AMSS), — чтобы повысить его способность визуализировать данные временных рядов. Эти метрики обеспечивают более устойчивую меру сходства для данных временных рядов, благодаря чему процесс вложения t-SNE становится более эффективным, что продемонстрировано в различных экспериментах по визуализации данных.
Key Findings
1
DTW и AMSS обеспечивают более устойчивые меры сходства временных рядов, позволяя t-SNE эффективнее строить визуализации в пространстве низкой размерности.
2
В t-SNE интегрированы две метрики временного сопоставления: динамическое временное искажение (DTW) и угловая метрика сходства форм (AMSS).
3
В статье временные и амплитудные сдвиги и масштабирование рассматриваются как факторы, снижающие достоверность стандартной визуализации временных рядов с помощью t-SNE.
4
Различные эксперименты по визуализации демонстрируют улучшение возможностей визуализации t-SNE при использовании предложенных метрик временного сопоставления.
Research Object
многомерные данные временных рядов
Research Subject
эффективность и достоверность визуализации с помощью t-SNE на основе метрик временно́го и формового сходства (DTW и AMSS) при временных сдвигах, а также масштабировании и сдвигах амплитуды
Publication Details
Publication Date
2019-07-01
Journal
Publisher
ISSN
Cited by
19
Access Type
Author Information
Download PDF
Subscribe to digest