16

最先端の方法の概要を探しています

  • 時系列データの時系列パターン (任意の長さ) を見つける

  • 教師なし(ラベルなし) です。

言い換えれば、(潜在的に高次元の) データのストリーム/シーケンスが与えられた場合、データ内の構造を最もよく捉える共通のサブシーケンスをどのように見つけますか?

  1. 最近の開発や論文 (できれば HMM を超えたもの) へのポインタは大歓迎です!

  2. この問題は、より具体的なアプリケーションドメインでよく理解されていますか?

    • モーションキャプチャ
    • 音声処理
    • 自然言語処理
    • ゲームのアクション シーケンス
    • 株価予想？

  3. さらに、これらの方法のいくつかは、対処するのに十分一般的ですか?
    • ノイズの多いデータ
    • 階層構造
    • 時間軸上で不規則な間隔

(既知のパターンを検出することにも、シーケンスを分類またはセグメント化することにも興味がありません。)

4

2 に答える 2

7

ノンパラメトリック HMM、無限状態空間への拡張、階乗モデルが最近強調されており、単一の混合成分ではなく一連の因子を使用して観測を説明しています。

ここにいくつかの興味深い論文があります (論文名をググってください):

  • 「無限隠れマルコフモデルのビームサンプリング」
  • 「無限階乗隠れマルコフモデル」
  • 「スイッチング動的線形モデルのベイジアンノンパラメトリック推論」
  • 「ベータ過程を持つ力学系間で特徴を共有する」

これらの論文の実験セクションでは、テキスト モデリング、話者ダイアライゼーション、モーション キャプチャなどのアプリケーションについて説明しています。

于 2012-08-09T13:23:31.337 に答える
0

あなたが分析しているデータの種類はわかりませんが、（動的システム分析の観点から）以下を確認することをお勧めします。

  • 再発プロット（グーグルで簡単に見つかります）
  • 時間遅延埋め込み(データのさまざまな次元間の潜在的な関係を展開する可能性があります) +距離行列(近隣パターンの研究でしょうか?)

これは、データを表す別の方法であり、この新しい表現に基づいて分析することに注意してください。ただの提案です！

于 2013-01-16T16:42:02.677 に答える