Tóm tắt:
Bài báo đề xuất giải pháp sử dụng phương pháp biến đổi sóng con (wavelet) để trích xuất các đặc trưng từ một chuỗi thời gian, kết quả đầu ra của giai đoạn tiền xử lý được đưa vào một mô hình mạng nơ-ron để phân loại và dự đoán xu hướng tương lai gần của chuỗi dữ liệu. Kết quả của đề xuất được thử nghiệm trên tập dữ liệu thực tế về hành vi hoạt động của con người cho thấy sự cải thiện về độ chính xác đạt 94%, cao hơn so với các kết quả khi sử dụng các phương pháp cũ.
Từ khóa: Chuỗi thời gian, biến đổi sóng con, trích xuất đặc trưng, học máy
Sử dụng phương pháp biến đổi sóng con (wavelet) sẽ giúp phân loại và dự đoán xu hướng tương lai gần của chuỗi dữ liệu có giá trị chính xác cao (Ảnh minh họa: vnexpress.net/)
Using wavelet transform to improve quality classfication for time-series data sequence Abstract: This paper proposes a solution using wavelet transform to extract features from a time-series, the outputs of the pre-processing is input of a neural network in order to classify and predict near future trends of the data. The approach is based on the CWT and DWT of time-series. The result which is tested on real datasets HAR (Human Activity Recognition), shows the improvements in accuracy, reaching 94%. It is an improvement compared to previously reported results for previous systems. Key words:Time-series, wavelet transform, machine learning, deep learning. |
Đinh Thị Thùy Dương (Viện Khoa học và Công nghệ Quân sự)
(Nguồn: Tạp chí Khoa học Công nghệ, số 2, tháng 4/2022)
