КЛАСИФІКАЦІЯ ЧАСОВИХ РЯДІВ  ІЗ ВИКОРИСТАННЯМ РЕКУРЕНТНИХ ДІАГРАМ

Людмила  Кіріченко; Євгенія  Степаненко; Дмитро  Яндуков

doi:10.34185/1562-9945-5-136-2021-08

Автор(и)

Людмила Кіріченко
Євгенія Степаненко
Дмитро Яндуков

DOI:

https://doi.org/10.34185/1562-9945-5-136-2021-08

Ключові слова:

класифікація, часовий ряд, рекурентна діаграма, згорткова нейронна мережа

Анотація

У статті описано новий підхід до класифікації часових рядів на основі їх візуалізації. Часовий ряд подається у вигляді чорно-білого зображення своєї рекурентної діаграми. В якості класифікатора зображень використовується згорткова нейронна мережа. Даними для класифікації є реалізації електрокардіограм, які містять записи здорових людей та пацієнтів з діагнозом ішемія. Результати досліджень вказують на добру точність класифікації порівняно з іншими методами та потенційні можливості цього підходу.

Посилання

Eckmann, J. P., Kamphorst, S. O., Ruelle, D.: Recurrence plots of dynamical systems. Europhysics Letters 4(9), 973-977 (1987).

Marwan, N., Wessel, N., Meyerfeldt, U., Schirdewan, A., Kurths, J.: Recurrence-plots-based measures of complexity and application to heart-rate-variability data. Physical Review E 66(2), 026702-1-026702-6 (2002).

doi: 10.1103/PhysRevE.66.026702

Marwan, N., Romano, M. C., Thiel, M., Kurths, J.: (2007). Recurrence plots for the analysis of complex systems. Physics reports 438(5-6), 237-329 (2007).

Kirichenko, L., Radivilova, T., Bulakh, V.: Classification of fractal time series using recurrence plots. In 2018 International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T) 2018 October, Kharkiv, Ukraine, IEEE, 719-724 (2018). doi: 10.1109/INFOCOMMST.2018.8632010

Kirichenko L., Zinchenko P., Radivilova T., Tavalbeh M. Machine Learning Detection of DDoS Attacks Based on Visualization of Recurrence Plots. Conflict -anagement in Global Information Networks (CMiGIN 2019): Proceedings of the International Workshop, Kyiv, Ukraine. Ceur, 2019. P. 23–34.

Kirichenko L., Zinchenko P., Radivilova T. Classification of Time Realizations Using Machine Learning Recognition of Recurrence Plots. In: Babichev S., Lytvynenko V., Wójcik W., Vyshemyrskaya S. (eds) Lecture Notes in Computational Intelligence and Decision Making. ISDMCI 2020. Advances in Intelligent Systems and Computing, 2021, vol 1246. Springer, Cham, pp. 687-696.

https://doi.org/10.1007/978-3-030-54215-3_44.

Y. LeCun and Y. Bengio: Convolutional Networks for Images, Speech, and Time-Series, in Arbib, M. A. (Eds), The Handbook of Brain Theory and Neural Networks, MIT Press, 1995

Ciresan, Dan; Ueli Meier; Jonathan Masci; Luca M. Gambardella; Jurgen Schmidhuber "Flexible, High Performance Convolutional Neural Networks for Image Classification" Proceedings of the Twenty-Second International Joint Conference on Artificial Intelligence-Volume 2: 1237–1242. 2013

http://people.idsia.ch/~juergen/ijcai2011.pdf last accessed 2019/08/20

Time series classification, http://www.timeseriesclassification.com last accessed 2019/28/0216

D. Cielen, A. Meysman, M. Ali Introducing Data Science: Big Data, Machine Learning, and more, using Python tools, Manning Publications, 2016, 325 p.