Abstract: W. Cao, C. Zhang, Z. Xiong, T. Wang, J. Chen, B. Zhang (2021)

Convolutional Neural Networks (CNN) have achieved great success in image recognition tasks by automatically learning hierarchical feature representations from raw data. Most time series classification (TSC) mainly focuses on one-dimensional signals. In this paper, we plan to study high dimensional time series data. The main idea is following: Firstly, data enhancement is done which means that we use synthetic minority oversampling technique (SMOTE) to preprocess the arrhythmia data. Secondly, we use recurrence plot (RP) to convert the time series into two dimensional ure images. Thirdly, the deep CNN classifier is used for recognition. And finally, time series classification can be regarded as the ure image recognition task. The arrhythmia data is used to demonstrate the effectiveness of the proposed method for processing time series data sets.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Image Classification of Time Series Based on Deep Convolutional Neural Network