Random Dilated Shapelet Transform: Ein neuer Ansatz für Zeitreihen-Shapelets

Shapelet-basierte Algorithmen werden aufgrund ihrer leicht verständlichen Interpretierbarkeit häufig für die Klassifikation von Zeitreihen eingesetzt, werden jedoch derzeit von jüngsten state-of-the-art-Ansätzen übertroffen. Wir stellen eine neue Formulierung von Zeitreihen-Shapelets vor, die den Begriff der Dilatation einbezieht, und führen ein neues Shapelet-Feature ein, um ihre diskriminative Kraft für die Klassifikation zu verbessern. Experimente an 112 Datensätzen zeigen, dass unsere Methode den aktuellen state-of-the-art-Shapelet-Algorithmus übertrifft und eine vergleichbare Genauigkeit mit jüngsten state-of-the-art-Ansätzen erreicht, ohne dabei Skalierbarkeit oder Interpretierbarkeit einzubüßen.