论文信息 - 1d-SAX : une nouvelle représentation symbolique pour les séries temporelles

1d-SAX : une nouvelle représentation symbolique pour les séries temporelles

SAX (Symbolic Aggregate approXimation) est une des techniques majeures de symbolisation des series temporelles. La non prise en compte des tendances dans la symbolisation est une limitation bien connue de SAX. Cet article presente 1d-SAX, une methode pour representer une serie temporelle par une sequence de symboles contenant des informations sur la moyenne et la tendance des fenetres successives de la serie segmentee. Nous comparons l'efficacite de 1d-SAX vs SAX dans une tâche de classification de series temporelles d'images satellites. Les resultats montrent que 1d-SAX ameliore les taux de classification pour une quantite d'information identique utilisee.

Romain Tavenard | Thomas Guyet | Rene Quiniou | Simon Malinowski

[1] Gerhard Thonhauser,et al. Multivariate Time Series Classification by Combining Trend-Based and Value-Based Approximations , 2012, ICCSA.

[2] Kyoji Kawagoe,et al. New Time Series Data Representation ESAX for Financial Applications , 2006, 22nd International Conference on Data Engineering Workshops (ICDEW'06).

[3] Eamonn J. Keogh,et al. iSAX: indexing and mining terabyte sized time series , 2008, KDD.

[4] Eamonn J. Keogh,et al. A symbolic representation of time series, with implications for streaming algorithms , 2003, DMKD '03.

[5] Cordelia Schmid,et al. Product Quantization for Nearest Neighbor Search , 2011, IEEE Transactions on Pattern Analysis and Machine Intelligence.