Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

07.01.2015 | Original Article | Ausgabe 1/2017

International Journal of Machine Learning and Cybernetics 1/2017

A robust periodicity mining method from incomplete and noisy observations based on relative entropy

Zeitschrift:
International Journal of Machine Learning and Cybernetics > Ausgabe 1/2017
Autoren:
Tao Guan, Ke-ren Wang, Shao-peng Zhang

Abstract

A long-standing problem in data mining is the accurate estimation of the period of a periodic process. To mine periodicity in an event, we have to face real-world challenges of inherently uncertain periodic behaviors and imperfect data collection. This paper presents a method for periodicity detection from incomplete and noisy observations. Firstly, we review previous works and point out its defects for specific periodic patterns. Secondly, a novel relative entropy based measure is proposed, and its validity is proved in a probabilistic framework. Experiments on simulated event sequences of various configurations and real-world human movement datasets show the effectiveness of our method. And performance results demonstrate that our scheme outperforms previous works generally, especially when the time interval ratio is quite small or large.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 1/2017

International Journal of Machine Learning and Cybernetics 1/2017 Zur Ausgabe