DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/12330

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
publishedNN08.pdf3,27 MBAdobe PDF Accés restringit

Citació: Olier, I.; Vellido, A. Advances in clustering and visualization of time series using GTM through time. "Neural networks", Setembre 2008, vol. 21, núm. 7, p. 904-913.
Títol: Advances in clustering and visualization of time series using GTM through time
Autor: Olier Caparroso, Iván Veure Producció científica UPC; Vellido Alcacena, Alfredo Veure Producció científica UPC
Data: set-2008
Tipus de document: Article
Resum: Most of the existing research on multivariate time series concerns supervised forecasting problems. In comparison, little research has been devoted to their exploration through unsupervised clustering and visualization. In this paper, the capabilities of Generative Topographic Mapping Through Time, a model with foundations in probability theory, that performs simultaneous time series clustering and visualization, are assessed in detail. Focus is placed on the visualization of the evolution of signal regimes and the exploration of sudden transitions, for which a novel identification index is defined. The interpretability of time series clustering results may become extremely difficult, even in exploratory visualization, for high dimensional datasets. Here, we define and test an unsupervised time series relevance determination method, fully integrated in the Generative Topographic Mapping Through Time model, that can be used as a basis for time series selection. This method should ease the interpretation of time series clustering results.
ISSN: 0893-6080
URI: http://hdl.handle.net/2117/12330
DOI: 10.1016/j.neunet.2008.05.013
Apareix a les col·leccions:Altres. Enviament des de DRAC
SOCO - Soft Computing. Articles de revista
Departament de Llenguatges i Sistemes Informàtics. Articles de revista
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius