arXiv cs.AI· Ziqiang Li, Yun Liu, Gouhei Tanaka·· 9 天前AI 评分22
基于动态时间规整的粒度球计算实现鲁棒高效噪声标签时间序列分类
Robust and Efficient Noisy-Label Time-Series Classification via Dynamic Time Warping Based Granular Ball Computing
AI 导读
研究者提出基于动态时间规整的粒度球计算（DTW-GBC），将时间上相似的训练样本组织为粒度球并在粒度层面分类，并开发了两种粒度球构建策略。在四个基准数据集上的对称标签噪声实验显示，两种 DTW-GBC 变体总体缓解了标签噪声导致的性能下降，同时推理时所需比较次数远少于基于 DTW 的 1-NN。
正文 · AI 翻译
摘要：基于动态时间规整（DTW）的最近邻（NN）分类器对时间序列分类有效，但容易受到训练样本标签错误的影响，并且在推理时需要大量 DTW 计算。我们提出基于 DTW 的粒球计算（DTW-GBC），它将时间上相似的训练样本组织成粒球，并在粒级别进行分类。我们进一步为 DTW-GBC 开发了两种粒球构建策略。在四个基准数据集上使用对称标签噪声进行的实验表明，两种 DTW-GBC 变体通常能缓解标签噪声导致的性能下降，同时在推理时所需的比较次数远少于基于 DTW 的 1-NN。这些发现表明，DTW-GBC 在分类鲁棒性和推理效率之间提供了良好的平衡。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.11704 [cs.LG] |
| （或 arXiv:2608.11704v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.11704 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Ziqiang Li [查看电子邮件]
[v1]
2026年8月12日星期三 06:29:02 UTC（224 KB）
[v2]
2026年10月8日星期四 08:12:17 UTC（224 KB）
来源：arXiv cs.AI · arxiv.org