A Multi-modal Metric Learning Framework for Time Series kNN Classification

Autor: Michèle Rombaut, Ahlame Douzal-Chouakria, Cao-Tri Do, Sylvain Marié
Přispěvatelé: Laboratoire d'Informatique de Grenoble ( LIG ), Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut National Polytechnique de Grenoble ( INPG ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ), AGPIG ( GIPSA-AGPIG ), Département Images et Signal ( GIPSA-DIS ), Grenoble Images Parole Signal Automatique ( GIPSA-lab ), Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Grenoble Images Parole Signal Automatique ( GIPSA-lab ), Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ), Analyse de données, Modélisation et Apprentissage automatique [Grenoble] ( AMA ), Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut National Polytechnique de Grenoble ( INPG ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut National Polytechnique de Grenoble ( INPG ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ), Schneider Electric ( SE ), Laboratoire d'Informatique de Grenoble (LIG ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), GIPSA - Architecture, Géométrie, Perception, Images, Gestes (GIPSA-AGPIG), Département Images et Signal (GIPSA-DIS), Grenoble Images Parole Signal Automatique (GIPSA-lab ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Grenoble Images Parole Signal Automatique (GIPSA-lab ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Analyse de données, Modélisation et Apprentissage automatique [Grenoble] (AMA ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Schneider Electric ( SE)
Jazyk: angličtina
Rok vydání: 2016
Předmět:
Computer Science::Machine Learning
Time series
010504 meteorology & atmospheric sciences
Metric learning
02 engineering and technology
computer.software_genre
01 natural sciences
k-nearest neighbors algorithm
[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
[STAT.ML]Statistics [stat]/Machine Learning [stat.ML]
Margin (machine learning)
0202 electrical engineering
electronic engineering
information engineering
[ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI]
[ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML]
0105 earth and related environmental sciences
Mathematics
Series (mathematics)
business.industry
k-NN
Pattern recognition
Function (mathematics)
Classification
Range (mathematics)
Modal
ComputingMethodologies_PATTERNRECOGNITION
Spectral metric
Metric (mathematics)
020201 artificial intelligence & image processing
Pairwise comparison
Data mining
Artificial intelligence
business
computer
Zdroj: Advanced Analysis and Learning on Temporal Data
Advanced Analysis and Learning on Temporal Data, pp.131-143, 2016, 〈10.1007/978-3-319-44412-3_9 〉
Advanced Analysis and Learning on Temporal Data, pp.131-143, 2016, ⟨10.1007/978-3-319-44412-3_9⟩
Lecture Notes in Computer Science ISBN: 9783319444116
AALTD@PKDD/ECML (Revised Selected Papers)
DOI: 10.1007/978-3-319-44412-3_9
Popis: International audience; This work proposes a temporal and frequential metric learning framework for a time series nearest neighbor classification. For that, time series are embedded into a pairwise space where a combination function is learned based on a maximum margin optimization process. A wide range of experiments are conducted to evaluate the ability of the learned metric on time series kNN classification.
Databáze: OpenAIRE
Externí odkaz: