ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ КЛАСИФІКАЦІЇ ФРАКТАЛЬНИХ ЧАСОВИХ РЯДІВ
DOI:
https://doi.org/10.34185/1562-9945-3-128-2020-11Ключові слова:
інформаційна технологія, класіфікація часових рядів, машинне навчання, фрактальні часові рядиАнотація
В роботі запропоновано інформаційну технологію класифікації часових рядів, що мають фрактальні властивості, на основі методів машинного навчання. Вибір методу класифікації та відповідного набору ознак ґрунтується на мультифрактальних і самоподібних властивостях часових рядів. Як приклад, на основі запропонованої інформаційної технології проведена бінарна класифікація реалізацій нормальних та атакованих трафіків.
Посилання
Esling P., Agon C.: Time series data mining, ACM Computing Surveys, v.46, №.1, (2012).
Krisztian Buza: Time Series Classification and its Applications WIMS '18: Proceedings of the 8th International Conference on Web Intelligence, Mining and Semantics 2018 https://doi.org/10.1145/3227609.3227690
André L., Coelho V., Clodoaldo A., Lima M.: Assessing fractal dimension methods as feature extractors for EMG signal classification. Engineering Applications of Artificial Intelligence 36 81–98 (2014).
Symeonidis S.: Sentiment analysis via fractal dimension. Proceedings of the 6th Symposium on Future Directions in Information Access, 48-50 (2015).
S. P. Arjunan, D. K. Kumar, G. R. Naik A machine learning based method for classification of fractal features of forearm sEMG using Twin Support Vector Machines. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society, 4821-4 (2010).
Ledesma-Orozco, S.E. Ruiz, García G., Aviña G., Hernández D. Analysis of self-similar data by artificial neural networks. In: Proceedings of the 2011 International Conference on Networking, Sensing and Control, Delft, pp. 480-485 (2011). doi: 10.1109/ICNSC.2011.5874873
Kirichenko L., RadivilovaT. Estimation of multifractal characteristics of stochastic processes. International Journal Information content and processing. 2018. Vol. 5 (2). P. 106–141.
Breiman L. Bagging predictors. Machine Learning. (1996), 24 (2), P.123–140.
Breiman L. Random Forests. Machine Learning. (2001), 45 (1), P.5–32.
Kirichenko L., Radivilova T., Bulakh V. Binary Classification of Fractal Time Series by Machine Learning Methods. Lecture Notes in Computational Intelligence and Decision Making. ISDMCI 2019. Advances in Intelligent Systems and Computing, vol 1020. Springer, Cham, 2018. P. 701–711. doi: https://doi.org/10.1007/978-3-030-26474-1_49.
Kirichenko L., Radivilova T., Bulakh V. Generalized approach to Hurst exponent estimating by time series. Informatyka Automatyka Pomiary w Gospodarce i Ochronie Środowiska. 2018. Volume 8, No. 1. P. 28–31. doi: 10.5604/01.3001.0010.8639.
Kirichenko L., Radivilova T., Bulakh V. Classification of Fractal Time Series Using Recurrence Plots. Problems of Infocommunications. Science and Technology (PIC S&T): Proceedings of International Science-Practical Conference, 2018, Kharkiv, Ukraine. IEEE, 2018. P. 719–724. doi: 10.1109/INFOCOMMST.2018.8632010.
Bulakh V., Kirichenko L., Radivilova T. Classification of Multifractal Time Series by Decision Tree Methods. ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer: Proceedings of the 14th International Conference, May 14–17 2018, Kyiv, Ukraine. 2018. 2105. P. 457-460.
Bulakh V., Kirichenko L., Radivilova T. Time Series Classification Based on Fractal Properties. Data Stream Mining & Processing (DSMP): 2018 IEEE Second International Conference, Lviv, Ukraine. IEEE, 2018. P. 198–201. doi: 10.1109/DSMP.2018.8478532.
Kirichenko L., Radivilova T., Bulakh V. Machine Learning in Classification Time Series with Fractal Properties. Data. 2019. Vol. 4, issue 1, 5. P. 1–13. doi:10.3390/data4010005 8632010.
