Classification of Interbeat Interval Time-Series Using Attention Entropy

熵(时间箭头) 系列(地层学) 计算机科学 时间序列 人工智能 最大熵原理 算法 模式识别(心理学) 数学 机器学习 量子力学 生物 物理 古生物学
作者
Jiawei Yang,Gulraiz Iqbal Choudhary,Susanto Rahardja,Pasi Fränti
出处
期刊:IEEE Transactions on Affective Computing [Institute of Electrical and Electronics Engineers]
卷期号:14 (1): 321-330 被引量:34
标识
DOI:10.1109/taffc.2020.3031004
摘要

Classification of interbeat interval time-series which fluctuates in an irregular and complex manner is very challenging.Typically, entropy methods are employed to quantify the complexity of the time-series for classifying.Traditional entropy methods focus on the frequency distribution of all the observations in a time-series.This requires a relatively long time-series with at least a couple of thousands of data points, which limits their usages in practical applications.The methods are also sensitive to the parameter settings.In this paper, we propose a conceptually new approach called attention entropy, which pays attention only to the key observations.Instead of counting the frequency of all observations, it analyzes the frequency distribution of the intervals between the key observations in a time-series.Attention entropy does not need any parameter to tune, it is robust to the time-series length, and requires only linear time to compute.Experiments show that it outperforms fourteen state-of-the-art entropy methods evaluated by real-world datasets.It achieves average classification accuracy of AUC ¼ 0.71 while the second-best method, multiscale entropy, achieves AUC ¼ 0.62 when classifying four groups of people with a time-series length of 100.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SAINT发布了新的文献求助10
刚刚
ks关闭了ks文献求助
刚刚
辣姜发布了新的文献求助10
刚刚
笨笨的不斜完成签到,获得积分10
1秒前
2秒前
byyyy完成签到,获得积分10
2秒前
英姑应助小泽66689采纳,获得10
2秒前
黑暗系完成签到,获得积分10
2秒前
mescal完成签到,获得积分10
3秒前
搞怪的凡梦完成签到,获得积分10
3秒前
无辜的小明完成签到,获得积分10
3秒前
梅岱衍径完成签到,获得积分20
3秒前
cyp发布了新的文献求助10
4秒前
gobon完成签到,获得积分10
4秒前
烟花应助健忘的断秋采纳,获得10
5秒前
顺利毕业完成签到 ,获得积分10
5秒前
frankk完成签到,获得积分10
5秒前
今后应助笨笨的念桃采纳,获得10
5秒前
千早爱音完成签到 ,获得积分10
5秒前
朴素睫毛膏完成签到,获得积分10
5秒前
5秒前
黑暗系发布了新的文献求助30
6秒前
7秒前
weijian完成签到,获得积分10
8秒前
8秒前
一顿吃不饱完成签到,获得积分10
8秒前
Chaos_Law完成签到,获得积分10
10秒前
miaorunquan完成签到,获得积分10
10秒前
jphu完成签到,获得积分10
10秒前
10秒前
11秒前
11秒前
12秒前
12秒前
12秒前
12秒前
fuguier发布了新的文献求助10
12秒前
小蘑菇应助123采纳,获得10
13秒前
13秒前
小巧问芙完成签到,获得积分10
13秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3249339
求助须知:如何正确求助?哪些是违规求助? 2892687
关于积分的说明 8273071
捐赠科研通 2560917
什么是DOI,文献DOI怎么找? 1389345
科研通“疑难数据库(出版商)”最低求助积分说明 651144
邀请新用户注册赠送积分活动 627958