权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Embedding time series data in Euclidean space from DTW distances

从 DTW 距离将时间序列数据嵌入欧几里德空间

基本信息

批准号：
18500116
负责人：
HAYASHI Akira
金额：
$ 2.16万
依托单位：
Hiroshima City University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2006
资助国家：
日本
起止时间：
2006 至 2007
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-18500116/
关键词：
time series data embedding multi-dimensional scaling dynamic time warping kernel method semidefinite proaramming time series data dynamic time warping embedding multidimensional scaling semidefinite programming

项目摘要

One of the advantages of the kernel methods is that they can deal with various kinds of objects, not necessarily vectorial data with a fixed number of attributes.In this paper, we develop kernels for time series data using dynamic time warping (DTW) distances. Since DTW distances are pseudo distances that do not satisfy the triangle inequality, a kernel matrix based on them is not positive semidefinite, in general. We use semidefinite programming (SDP) to guarantee the positive definiteness of a kernel matrix. We present neighborhood preserving embedding (NPE), an SDP formulation to obtain a kernel matrix that best preserves the local geometry of time series data. We also present an out-of-sample extension (OSE) for NPE.We use two applications, time series classification and time series embedding for similarity search to validate our approach.

核方法的优点之一是，他们可以处理各种各样的对象，不一定是矢量数据与固定数量的attributes.In本文中，我们开发的核时间序列数据使用动态时间规整（DTW）的距离。由于DTW距离是不满足三角不等式的伪距离，因此基于它们的核矩阵通常不是半正定的。我们使用半定规划（SDP）来保证核矩阵的正定性。我们提出了邻域保持嵌入（NPE），一个SDP公式，以获得一个内核矩阵，最好地保持局部几何的时间序列数据。我们也提出了一个样本外扩展（OSE）的NPE。我们使用两个应用程序，时间序列分类和时间序列嵌入相似性搜索来验证我们的方法。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Theory of a Probabilistic-Dependence Measure of dissimilarity among Multiple Clusters

多簇间差异性的概率依赖性测度理论

DOI：
发表时间：
2006
期刊：
Lecture Notes in Computer Science 4132
影响因子：
0
作者：
Kazunori Iwata;Akira Hayashi
通讯作者：
Akira Hayashi

Learning a kernel matrix for time series data

学习时间序列数据的核矩阵

DOI：
发表时间：
2007
期刊：
影响因子：
0
作者：
Kazunori Iwata;Akira Hayashi;Masayasu Atsumi;Masayasu Atsumi;Hiroyuki Narita
通讯作者：
Hiroyuki Narita

A Discriminative Model Corresponding to Hierarchical HMMs

DOI：
10.1007/978-3-540-77226-2_39
发表时间：
2007-12
期刊：
IEEE Transactions on Biomedical Engineering
影响因子：
4.6
作者：
Takaaki Sugiura;Naoto Gotou;A. Hayashi
通讯作者：
Takaaki Sugiura;Naoto Gotou;A. Hayashi

確率密度推定に基づくRDSP法を用いた音素データの階層クラスタ分析

基于概率密度估计的RDSP方法对音素数据进行层次聚类分析

DOI：
发表时间：
2008
期刊：
電子情報通信学会論文誌 J91-D
影响因子：
0
作者：
M. Kaneko;他5名.;斧城悠大
通讯作者：
斧城悠大

層的混合モデル学習のためのコンポーネント削減法

分层混合模型学习的分量缩减方法

DOI：
发表时间：
2008
期刊：
電子情報通信学会論文誌 J-91D(4)
影响因子：
0
作者：
Y.Suhara;A.Sakurai;Mineichi Kudo;M. Kudo;Akira Tanaka;A. Tanaka;Y. Muto;N. Abe;N. Abe;A. Tanaka;Y. Muto;N. Abe;A. Tanaka;Y.Muto;N.Abe;N.Abe;A.Tanaka;M.Yamada;A.Nakamura;Akira Tanaka;A. Tanaka;外山淳;J. Toyama;Hisashi Tosaka;H. Tosaka;中村篤祥;A. Nakamura;林真吾;S. Hayashi;神田勇介;Y. Kanda;紙谷一啓;Yohji Shidara;Yohji Shidara;白井賢志;佐藤麻衣子;S. Shirai;M. Sato;戸坂央;H. Tosaka;Mineichi Kudo;M. Kudo;Mineichi Kudo;Yuji Muto;Y. Muto;A. Nakamura;前橋久美子
通讯作者：
前橋久美子