上下文时间序列数据的在线特征选择Online feature selection for contextual time series data |
|
课程网址: | http://videolectures.net/slsfs05_nurmi_ofsct/ |
主讲教师: | Petteri Nurmi |
开课单位: | 国赫尔辛基科技机构 |
开课时间: | 2007-02-25 |
课程语种: | 英语 |
中文简介: | 我们提出了一种从时间序列数据中选择在线特征的简单而有效的方法。我们的方法基于计算不同特征的特征并使用高斯核计算特征对的相似度值。我们的动机是设计一种方法,可用于为活动识别选择最相关的上下文特征。即,传统的特征选择方法已被设计用于离线使用,因此不适用于我们的设置。使用玩具数据和真实背景数据评估我们方法的效率,使用3D加速度计收集。 |
课程简介: | We propose a simple and eficient method for online feature selection from time series data. Our method is based on calculating characteristics of the di erent features and calculating similarity values for feature pairs using Gaussian kernels. Our motivation has been to design a method that can be used to select the most relevant context features for activity recognition. Namely, traditional feature selection methods have been designed for offline use and thus are not applicable in our setting. The eficiency of our method is evaluated using toy data and real context data, gathered using a 3D accelerometer. |
关 键 词: | 时间序列; 高斯核计算; 加速度计收集 |
课程来源: | 视频讲座网 |
最后编审: | 2019-09-21:cwx |
阅读次数: | 33 |