Show simple item record

Uloga mera sličnosti u analizi vremenskih serija

dc.contributor.advisorIvanović, Mirjana
dc.contributor.otherRadovanović, Miloš
dc.contributor.otherIvanović, Mirjana
dc.contributor.otherBudimac, Zoran
dc.contributor.otherKurbalija, Vladimir
dc.contributor.otherBosnić, Zoran
dc.creatorGeler, Zoltan
dc.date.accessioned2015-12-29T11:17:08Z
dc.date.available2015-12-29T11:17:08Z
dc.date.available2020-07-03T13:43:03Z
dc.date.issued2015-09-18
dc.identifier.urihttp://www.cris.uns.ac.rs/DownloadFileServlet/Disertacija144526142556739.pdf?controlNumber=(BISIS)94848&fileName=144526142556739.pdf&id=4451&source=NaRDuS&language=srsr
dc.identifier.urihttp://nardus.mpn.gov.rs/handle/123456789/1703
dc.identifier.urihttp://www.cris.uns.ac.rs/record.jsf?recordId=94848&source=NaRDuS&language=srsr
dc.identifier.urihttp://www.cris.uns.ac.rs/DownloadFileServlet/IzvestajKomisije14307441355659.pdf?controlNumber=(BISIS)94848&fileName=14307441355659.pdf&id=3654&source=NaRDuS&language=srsr
dc.description.abstractThe subject of this dissertation encompasses a comprehensive overview and analysis of the impact of Sakoe-Chiba global constraint on the most commonly used elastic similarity measures in the field of time-series data mining with a focus on classification accuracy. The choice of similarity measure is one of the most significant aspects of time-series analysis  -  it should correctly reflect the resemblance between the data presented in the form of time series. Similarity measures represent a critical component of many tasks of mining time series, including: classification, clustering, prediction, anomaly detection, and others. The research covered by this dissertation is oriented on several issues: 1.  review of the effects of  global constraints on the performance of computing similarity measures, 2.  a detailed analysis of the influence of constraining the elastic similarity measures on the accuracy of classical classification techniques, 3.  an extensive study of the impact of different weighting schemes on the classification of time series, 4.  development of an open source library that integrates the main techniques and methods required for analysis and mining time series, and which is used for the realization of these experimentsen
dc.description.abstractPredmet istraživanja ove disertacije obuhvata detaljan pregled i analizu uticaja Sakoe-Chiba globalnog ograničenja na najčešće korišćene elastične mere sličnosti u oblasti data mining-a vremenskih serija sa naglaskom na tačnost klasifikacije. Izbor mere sličnosti jedan je od najvažnijih aspekata analize vremenskih serija  -  ona treba  verno reflektovati sličnost između podataka prikazanih u obliku vremenskih serija.  Mera sličnosti predstavlјa kritičnu komponentu mnogih zadataka  mining-a vremenskih serija, uklјučujući klasifikaciju, grupisanje (eng.  clustering), predviđanje, otkrivanje anomalija i drugih. Istraživanje obuhvaćeno ovom disertacijom usmereno je na nekoliko pravaca: 1.  pregled efekata globalnih ograničenja na performanse računanja mera sličnosti, 2.  detalјna analiza posledice ograničenja elastičnih mera sličnosti na tačnost klasifikacije klasičnih tehnika klasifikacije, 3.  opsežna studija uticaj različitih načina računanja težina (eng. weighting scheme) na klasifikaciju vremenskih serija, 4.  razvoj biblioteke otvorenog koda (Framework for Analysis and Prediction  -  FAP) koja će integrisati glavne tehnike i metode potrebne za analizu i mining  vremenskih serija i koja je korišćena za realizaciju ovih eksperimenata.sr
dc.description.abstractPredmet istraživanja ove disertacije obuhvata detaljan pregled i analizu uticaja Sakoe-Chiba globalnog ograničenja na najčešće korišćene elastične mere sličnosti u oblasti data mining-a vremenskih serija sa naglaskom na tačnost klasifikacije. Izbor mere sličnosti jedan je od najvažnijih aspekata analize vremenskih serija  -  ona treba  verno reflektovati sličnost između podataka prikazanih u obliku vremenskih serija.  Mera sličnosti predstavlja kritičnu komponentu mnogih zadataka  mining-a vremenskih serija, uključujući klasifikaciju, grupisanje (eng.  clustering), predviđanje, otkrivanje anomalija i drugih. Istraživanje obuhvaćeno ovom disertacijom usmereno je na nekoliko pravaca: 1.  pregled efekata globalnih ograničenja na performanse računanja mera sličnosti, 2.  detaljna analiza posledice ograničenja elastičnih mera sličnosti na tačnost klasifikacije klasičnih tehnika klasifikacije, 3.  opsežna studija uticaj različitih načina računanja težina (eng. weighting scheme) na klasifikaciju vremenskih serija, 4.  razvoj biblioteke otvorenog koda (Framework for Analysis and Prediction  -  FAP) koja će integrisati glavne tehnike i metode potrebne za analizu i mining  vremenskih serija i koja je korišćena za realizaciju ovih eksperimenata.sr
dc.languageen
dc.publisherУниверзитет у Новом Саду, Природно-математички факултетsr
dc.rightsopenAccessen
dc.sourceУниверзитет у Новом Садуsr
dc.subjectTime series analysisen
dc.subjectAnaliza vremenskih serijasr
dc.subjectdata miningen
dc.subjectclassificationen
dc.subjectsimilarity measuresen
dc.subjectdata miningsr
dc.subjectklasifikacijasr
dc.subjectmera sličnostisr
dc.titleRole of Similarity Measures in Time Series Analysisen
dc.titleUloga mera sličnosti u analizi vremenskih serijasr
dc.typedoctoralThesisen
dc.rights.licenseBY
dcterms.abstractИвановић Мирјана; Будимац Зоран; Боснић Зоран; Радовановић Милош; Курбалија Владимир; Ивановић Мирјана; Гелер Золтан; Улога мера сличности у анализи временских серија; Улога мера сличности у анализи временских серија;
dc.identifier.fulltexthttp://nardus.mpn.gov.rs/bitstream/id/38117/Disertacija.pdf
dc.identifier.fulltexthttp://nardus.mpn.gov.rs/bitstream/id/38118/IzvestajKomisije.pdf


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record