| Περίληψη : | Classification is a timeless and still up to date problem that algorithms are trying to resolve. Classification of Time series (CTS) is a state-of-the-art problem that can be extended to many different areas such as medicine, finance and technology.While studying Classification, we came across many different classification algorithms and we chose to compare those that perform better when the input is a time series. The outputs and conclusions of the comparisons above are presented in this thesis.
Το πρόβλημα της κατηγοριοποίησης είναι ένα διαχρονικό και παράλληλα επίκαιρο πρόβλημα που καλείται να λύσει ένας αλγόριθμος. Η κατηγοριοποίηση μπορεί να γίνει σε πολλούς τύπους δεδομένων. Τα τελευταία χρόνια με την αύξηση της ταχύτητας των δικτύων και της δυνατότητας αποθήκευσης δεδομένων, οι χρονοσειρές εισήλθαν δυναμικά στο πεδίο της εξόρυξης δεδομένων. Μια χρονοσειρά είναι συνήθως μια ακολουθία δεδομένων που διατάσσονται ως προς έναν άξονα, συνήθως του χρόνου.Η κατηγοριοποίηση των χρονοσειρών είναι ένα σύγχρονο πρόβλημα με πολλές προεκτάσεις σε διαφορετικούς τομείς, όπως η ιατρική, τα οικονομικά και η τεχνολογία. Για τη μελέτη της κατηγοριοποίησης μελετήσαμε μερικούς από τους πιο δημοφιλείς αλγορίθμους κατηγοριοποίησης από το τομέα της Μηχανικής Μάθησης και των Νευρωνικών Δικτύων και επιλέξαμε να εξετάσουμε αυτούς που λειτουργούν καλάόταν δέχονται σαν είσοδο χρονοσειρές. Τα αποτελέσματα αυτής της μελέτης περιγράφουμε σε αυτή την εργασία.
|
|---|
Copyright © 2013 Βιβλιοθήκη Ο.Π.Α. Με την επιφύλαξη παντός δικαιώματος.