Time series classification through heterogeneous feature selection

В работе предлагается и исследуется общий метод решения задачи классификации временных рядов. По временным рядам вычисляются несколько наборов признаков, таких как статистические моменты, коэффициенты разложения по принципиальным компонентам, коэффициенты разложения по вейвлетам, коэффициенты разложения по полиномам Чебышева и другие, далее из этого множества алгоритмом Particle Filtering выбираются важные с точки зрения задачи признаки и на них строится классификационная модель на основе ансамбля деревьев решений GBT, Результаты, полученные на публично доступных данных из базы UCR, показывают, что предло­женный подход во многих случаях позволяет достичь более точной классификации, чем известные современные методы.