Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2013 | OriginalPaper | Buchkapitel

Pattern Graphs: Combining Multivariate Time Series and Labelled Interval Sequences for Classification

verfasst von : Sebastian Peter, Frank Höppner, Michael R. Berthold

Erschienen in: Research and Development in Intelligent Systems XXX

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Classifying multivariate time series is often dealt with by transforming the numeric series into labelled intervals, because many pattern representations exist to deal with labelled intervals. Finding the right preprocessing is not only time consuming but also critical for the success of the learning algorithms. In this paper we show how pattern graphs, a powerful pattern language for temporal classification rules, can be extended in order to handle labelled intervals in combination with the raw time series. We thereby reduce dependence on the quality of the preprocessing and at the same time increase performance. These benefits are demonstrated experimentally on 10 different data sets.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

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

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

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

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

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




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

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




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Vertex Unique Labelled Subgraph Mining
Fußnoten
1
shortest in the following sense: \(\forall s' \in Q': \lnot \exists s \in Q: s \subset s'\).
 
2
Keogh, E., Zhu, Q., Hu, B., Hao. Y., Xi, X., Wei, L. & Ratanamahatana, C. A. (2011). The UCR Time Series Classification/Clustering Homepage: www.​cs.​ucr.​edu/​~eamonn/​time_​series_​data/​.​
 
Literatur
1.
Basile, T.M.A., Mauro, N.D., Ferilli, S., Esposito, F.: Relational temporal data mining for wireless sensor networks (2009).
2.
Batal, I., Valizadegan, H., Cooper, G.F., Hauskrecht, M.: A pattern mining approach for classifying multivariate temporal data. In: Bioinformatics and Biomedicine (BIBM), 2011 IEEE International Conference on, pp. 358–365. IEEE (2011).
3.
Berlingerio, M., Pinelli, F., Nanni, M., Giannotti, F.: Temporal mining for interactive workflow data analysis. In: Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, KDD ’09, pp. 109–118. ACM, New York, NY, USA (2009).
4.
Chen, Y.C., Jiang, J.C., Peng, W.C., Lee, S.Y.: An efficient algorithm for mining time interval-based patterns in large database. In: Proc. Int. Conf. Inf. Knowl. Mngmt., pp. 49–58. ACM (2010).
5.
Höppner, F.: Discovery of temporal patterns - learning rules about the qualitative behaviour of time series. 2168, pp. 192–203. Freiburg, Germany (2001).
6.
Kalbfleisch, J.G.: Probability and statistical inference: probability, vol. 2. Springer-Verlag (1985).
7.
Mörchen, F.: Unsupervised pattern mining from symbolic temporal data. SIGKDD Explor. Newsl. 9(1), 41–55 (2007).
8.
Mörchen, F., Ultsch, A.: Optimizing time series discretization for knowledge discovery. In: Proc. Int. Conf. Knowl. Disc. and Data Mining, pp. 660–665. ACM (2005).
9.
Mörchen, F., Ultsch, A.: Efficient mining of understandable patterns from multivariate interval time series. pp. 181–215. Springer (2007).
10.
Peter, S., Höppner, F., Berthold, M.R.: Learning pattern graphs for multivariate temporal pattern retrieval. In: Proc Int Symp Intel. Data, Analysis (2012).
11.
Peter, S., Höppner, F., Berthold, M.R.: Pattern graphs: A knowledge-based tool for multivariate temporal pattern retrieval. In: 6th IEEE International Conference on Intelligent Systems (IS’12) (2012).
12.
Smyth, P., Goodman, R.M.: An information theoretic approach to rule induction from databases. IEEE Trans. Knowledge Discovery and Engineering 4(4), 301–316 (1992).
Metadaten
Titel
Pattern Graphs: Combining Multivariate Time Series and Labelled Interval Sequences for Classification
verfasst von
Sebastian Peter
Frank Höppner
Michael R. Berthold
Copyright-Jahr
2013
Buch
Research and Development in Intelligent Systems XXX

Print ISBN: 978-3-319-02620-6

Electronic ISBN: 978-3-319-02621-3

Copyright-Jahr: 2013

DOI
https://doi.org/10.1007/978-3-319-02621-3_1

Premium Partner

    Bildnachweise