.png){kind=icon}
.png){kind=icon}
返回
Topological Framework for Exploring Imbalanced Time Series
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-10202-7_23.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种新的流水线方法，以提升不平衡时间序列分析的运算效率和泛化能力。该流水线的关键组件包括：(i) 对时间序列进行自依赖的拓扑概要估计；(ii) 采用拓扑增强方法生成平衡分析。通过使用下水平集过滤，我们提出的流水线构建了仅依赖于时间序列局部极值的拓扑概要，从而避免了时间序列延迟嵌入的必要性。这种拓扑概要估计与拓扑增强方法的结合，提供了一种强大的机制来探索不平衡时间序列数据。该机制可部署于各类统计分析与机器学习工具中。该流水线的有效性在两种场景下得到验证：一种涉及2000年至2023年间美国（US）公司的破产预测，另一种涉及假设检验以区分2000年至2023年间美国股票指数在衰退与非衰退期的差异。
Keyword:
Topological data analysis
Imbalanced data
Time series
Bankruptcy prediction
Pattern recognition
查看更多机构