Resumen

La clasificación de series temporales es un enfoque básico e importante para la minería de datos de series temporales. En la actualidad, cada vez más investigadores prestan atención al método de similitud de formas, incluidos los algoritmos basados en Shapelet, ya que pueden extraer secuencias discriminatorias de las series temporales. Sin embargo, la mayoría de los algoritmos basados en Shapelet descubren los Shapelets mediante la búsqueda de subsecuencias candidatas en los conjuntos de datos de entrenamiento, lo que conlleva dos inconvenientes: una alta carga computacional y una pobre capacidad de generalización. Para superar estos inconvenientes, este trabajo propone un nuevo algoritmo denominado Aprendizaje del Diccionario Shapelet con Clasificador Conjunto basado en SVM (SDL-SEC). SDL-SEC modifica el algoritmo Shapelet desde dos aspectos: El método de descubrimiento de Shapelet y el clasificador. En primer lugar, se propone el Aprendizaje del Diccionario Shapelet (SDL) como un nuevo método de descubrimiento de Shapelets para generar Shapelets en lugar de buscarlos. De este modo, el SDL posee las ventajas de un menor coste computacional y una mayor capacidad de generalización. A continuación, se desarrolla un clasificador conjunto basado en SVM (SEC) como un nuevo clasificador conjunto y se adapta al algoritmo SDL. A diferencia del SVM clásico, que requiere un ajuste preciso de los parámetros y una selección adecuada de las características, el SEC puede evitar el sobreajuste causado por un gran número de características y parámetros. En comparación con las líneas de base en 45 conjuntos de datos, el algoritmo SDL-SEC propuesto logra una precisión de clasificación competitiva con un menor coste computacional.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:clasificador de conjunto basado, métodos de descubrimiento de shapelets, menor coste computacional, aprendizaje de diccionario de shapelets, sdl, sec, algoritmo basado, ajuste preciso de parámetros, clasificación de series temporales, clasificador de conjunto novedoso
• Keywords:based ensemble classifier, shapelet discovery methods, lower computational cost, shapelet dictionary learning, sdl, sec, based algorithm, precise parameters tuning, time series classification, novel ensemble classifier