Discovering Synchronized Subsets of Sequences: A Large Scale Solution.
Discovering Synchronized Subsets of Sequences: A Large Scale Solution.
复制标题
DOI：
10.1109/cvpr42600.2020.00951
复制
发表时间：
2020-06
期刊：
影响因子：
--
通讯作者：
Tunc B
中科院分区：
文献类型：
--
作者：
Sariyanidi E;Zampella CJ;Bartley KG;Herrington JD;Satterthwaite TD;Schultz RT;Tunc B
找到序列的最大子集（即，时间序列）在大数据集内相关性高于特定阈值的情况下，对于跨领域的计算机视觉和模式识别问题具有重要意义，所述领域包括行为分析、计算生物学、神经科学和金融。最大团算法可以用来解决这个问题，但它们是不可扩展的。我们提出了一个近似的，但高效和可扩展的方法，表示搜索空间作为一个联盟的集合称为扩展集群，其中之一是理论上保证包含最大的子集的同步序列。该方法发现同步集拟合欧几里德球上扩展集群，使用荣格定理。我们验证了面部行为分析，金融和神经科学这三个不同领域的数据的方法，在那里我们分别发现了面部视频，股票市场项目价格和动态大脑连接数据的像素之间的同步性。实验表明，我们的方法产生的结果相媲美，但高达300倍的速度比，最大团算法，与输入序列的数量呈指数增长的速度增益。
Finding the largest subset of sequences (i.e., time series) that are correlated above a certain threshold, within large datasets, is of significant interest for computer vision and pattern recognition problems across domains, including behavior analysis, computational biology, neuroscience, and finance. Maximal clique algorithms can be used to solve this problem, but they are not scalable. We present an approximate, but highly efficient and scalable, method that represents the search space as a union of sets called ϵ-expanded clusters, one of which is theoretically guaranteed to contain the largest subset of synchronized sequences. The method finds synchronized sets by fitting a Euclidean ball on ϵ-expanded clusters, using Jung’s theorem. We validate the method on data from the three distinct domains of facial behavior analysis, finance, and neuroscience, where we respectively discover the synchrony among pixels of face videos, stock market item prices, and dynamic brain connectivity data. Experiments show that our method produces results comparable to, but up to 300 times faster than, maximal clique algorithms, with speed gains increasing exponentially with the number of input sequences.
登录
查看更多内容
影响因子：
11.2
作者：
Delaherche, Emilie;Chetouani, Mohamed;Cohen, David
通讯作者：
Cohen, David
影响因子：
10.6
作者：
Bappy, Jawadul H.;Paul, Sujoy;Roy-Chowdhury, Amit K.
通讯作者：
Roy-Chowdhury, Amit K.
DOI：
10.1016/j.physa.2009.03.028
发表时间：
2009-07-15
影响因子：
3.3
作者：
Huang, Wei-Qiang;Zhuang, Xin-Tian;Yao, Shuang
通讯作者：
Yao, Shuang
影响因子：
22.7
作者：
BRON, C;KERBOSCH, J
通讯作者：
KERBOSCH, J
影响因子：
4.6
作者：
Boginski, V;Butenko, S;Pardalos, PM
通讯作者：
Pardalos, PM