Recherche de similitude entre les séries temporelles de Matlab. Possible? Je ne peux pas trouver l'implémentation de R-tree dans matlab

Je voudrais implémenter la recherche de similarité dans matlab. Je veux savoir si c'est possible?Recherche de similitude entre les séries temporelles de Matlab. Possible? Je ne peux pas trouver l'implémentation de R-tree dans matlab

Mon plan consiste à utiliser 2 mesures de similarité populaires qui sont la distance euclidienne et le déformation temporelle dynamique. Ces deux éléments seront appliqués à l'ensemble de données de séries temporelles. Ma question à ce stade est comment puis-je évaluer ces deux performances de mesure et la précision? J'ai vu une littérature disant que je devrais utiliser l'algorithme K-NN. Ensuite, je prévois d'appliquer une réduction de la dimensionnalité à l'ensemble de données de la série chronologique. Après avoir réduit la dimensionnalité de l'ensemble de données. Je devrai indexer l'ensemble de données en utilisant R-tree ou toute technique d'indexation disponible.

Cependant, mon problème est que pour ce faire, je besoin d'un code Matlab R-arbre que je peine à trouver dans Internet ...

Je réalisé que la plupart de la mise en œuvre de la recherche de similarité sont en C++, C et Java ... Mais je ne suis pas familier avec ceux-ci. J'espčre pouvoir les implémenter dans Matlab ... N'importe quel Guru pourrait m'aider avec ça?

De même, quel type d'évaluation puis-je faire pour évaluer la performance de chaque algorithme.

Merci

Source

2010-07-24 Jaz

Récemment (R2010a je crois), Matlab a ajouté de nouvelles fonctions pour k-Nearest Neighbor (kNN) recherche à l'aide KD-tree (une méthode similaire à spatial indexing R-tree) à la boîte à outils statistiques. Exemple:

load fisheriris       % Iris dataset 
Q = [6 3 4 1 ; 5 4 3 2];     % query points 

% build kd-tree 
knnObj = createns(meas, 'NSMethod','kdtree', 'Distance','euclidean'); 

% find k=5 Nearest Neighbors to Q 
[idx Dist] = knnsearch(knnObj, Q, 'K',5);

Référez-vous à this page pour une description agréable.

De plus, si vous avez Image Processing Toolbox, il contient (depuis longtemps déjà) une implémentation de la recherche kd-tree et kNN. Ce sont des fonctions privées que:

[matlabroot '\images\images\private\kdtree.m'] 
[matlabroot '\images\images\private\nnsearch.m']

Pour comparer vos deux approches (Dynamic Time Warping et Euclidean distance), vous pouvez concevoir un problème classique de classification; étant donné un ensemble de séries chronologiques de formation/tests étiquetés, la tâche consiste à prédire l'étiquette de chaque séquence de test en en trouvant les plus similaires en utilisant kNN puis à prédire la classe majoritaire. Pour évaluer les performances, utilisez l'une des mesures standard de classification comme précision/erreur, etc.

Source

2010-07-26 19:49:54 Amro

Merci pour votre information answer.I suis à peu près un nouveau venu dans ce field.Thus s'il vous plaît ours avec moi. 1) Me recommandez-vous en utilisant matlab pour l'implémentation de la recherche de similarité ou devrais-je l'implémenter en utilisant java ou C++? 2) L'indexation est-elle obligatoire après réduction de la dimension? 3) Pouvez-vous m'aider en expliquant en détail l'évaluation que vous avez proposée?Le résultat de ma recherche de similarité sera un ensemble de séries chronologiques similaire à la série temporelle de la requête. Comment puis-je passer de ce point pour l'évaluation? Considérant que je veux l'appliquer sur quelques types de données telles que les données de stock, les données ECG. – Jaz

1) Je vous recommande de rester dans la langue dans laquelle vous vous sentez le plus à l'aise. 2) Le but de l'indexation est d'accélérer la recherche, donc pour un grand nombre de séries chronologiques, nous n'aurons pas à comparer , à la place, nous obtenons un ensemble de candidats avec des arbres R. Une chose à garder à l'esprit est que pour les dimensions supérieures à 20, l'indexation spatiale se dégrade en une recherche linéaire. 3) Comme je l'ai expliqué, vous prenez simplement l'étiquette majoritaire de l'ensemble candidat de séries temporelles retournées, et vous le comparez à l'étiquette réelle; si cela correspond à une classification correcte, sinon une erreur. – Amro

Merci, J'ai décidé de faire une simple recherche de similarité. J'ai l'intention d'utiliser la recherche de gamme où toute distance calculée dans l'erreur liée, e sera considérée comme similaire. Le problème est comment puis-je déterminer cette valeur de e? Tout code qui explique la recherche de plage/la recherche séquentielle? – Jaz