Skip to Main content Skip to Navigation
Theses

Recherche de séries temporelles à l’aide de DTW-preserving shapelets

Résumé : L'établissement de la similarité entre séries temporelles est au cœur de nombreuses tâches d'analyse de données. Les mesures permettant d'établir des similitudes entre les séries temporelles sont spécifiques en ce sens qu'elles doivent pouvoir prendre en compte les différences entre les valeurs constituant la série, ainsi que les distorsions selon l'axe du temps. La mesure de similarité la plus répandue est la mesure Dynamic Time Warping (DTW). Cependant, son calcul est coûteux et son application à des séries temporelles nombreuses et/ou très longues est difficile en pratique. Malgré de nombreuses contributions visant l'accélération de la DTW, réussir son passage à l'échelle de la DTW reste une difficulté majeure. Le travail présenté dans cette thèse s'appuie sur l'idée de transformer les séries temporelles à l'aide de shapelets. Il montre comment des shapelets préservant les mesures DTW peuvent être utilisées dans le contexte spécifique de la recherches de séries temporelles similaires à une série utilisée comme requête, et cela dans un contexte grande échelle. Il s’agit de plonger les séries temporelles dans un espace euclidien construit de telle manière que les distances entre les séries selon la métrique DTW s’y trouvent préservées. Ce manuscrit apporte des contributions majeures : (1) il explique comment les shapelets préservant la DTW peuvent être utilisées dans le contexte spécifique de la recherche de séries temporelles similaires ; (2) il propose des stratégies de sélection de ces shapelets pour faire face à l’échelle, c’est-à-dire pour traiter une collection extrêmement vaste de séries temporelles ; (3) il explique en détail comment gérer les séries temporelles univariées et multivariées, couvrant ainsi tout le spectre des problèmes de recherches et facilitant la moise au point d'applications très diverses. Le coeur de la contribution présentée dans ce manuscrit permet de compenser facilement la complexité du processus de plongement par un jeu sur la précision de la recherche. Des expérimentations utilisant les jeux de données UCR et UEA démontrent l’amélioration considérable des performances par rapport aux techniques de pointe.
Document type :
Theses
Complete list of metadatas

Cited literature [290 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-02510229
Contributor : Abes Star :  Contact
Submitted on : Tuesday, March 17, 2020 - 3:38:09 PM
Last modification on : Wednesday, June 24, 2020 - 4:19:50 PM
Document(s) archivé(s) le : Thursday, June 18, 2020 - 3:33:02 PM

File

CARLINI_SPERANDIO_Ricardo.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-02510229, version 1

Citation

Ricardo Carlini Sperandio. Recherche de séries temporelles à l’aide de DTW-preserving shapelets. Machine Learning [cs.LG]. Université Rennes 1, 2019. English. ⟨NNT : 2019REN1S061⟩. ⟨tel-02510229⟩

Share

Metrics

Record views

78

Files downloads

92