Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "time series similarity" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Dywergencje Bosego-Einsteina w analizie podobieństw finansowych szeregów czasowych
    Bose-Einstein divergences for similarity analysis in financial time series
    Autorzy:
    Szupiluk, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/452750.pdf
    Data publikacji:
    2012
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    podobieństwo szeregów czasowych
    miary dywergencji
    dywergencja Bosego-Einsteina
    time series similarity
    divergence measures
    Bose-Einstein divergence
    Opis:
    Ocena wzajemnego podobieństwa finansowych szeregów czasowych jest jednym z problemów, w którym kwestia właściwego doboru metody analitycznej zaznacza się bardzo wyraźnie. Z reguły problem ten sprowadzany jest do analizy korelacji - co nie zawsze prowadzi do właściwych rezultatów. Często są to oceny wręcz sprzeczne ze wizualną obserwacją lub wiedzą ekspercką. Powodów takiego stanu rzeczy można upatrywać zarówno we właściwościach samej miary korelacyjnej i jej adekwatności do analizowanych danych, jak również w aspekcie metodologicznym przeprowadzanego badania. W niniejszym artykule zaproponujemy alternatywne rozwiązanie oparte na miarach dywergencji, w szczególności dywergencji Bosego-Einsteina. Przeprowadzone eksperymenty na poglądowych danych symulowanych potwierdzają użyteczność zaproponowanych rozwiązań
    The similarity assessment of the financial time series is the one of problems where the proper methodological choice is very important. The typical correlation approach can lead to misleading results. Often the similarity score is contrary to the visual observations, expert’s knowledge and even a common sense. The reasons of such situations can be associated with the properties of the correlation measure and its adequateness for analyzed data, as well as in terms of methodology aspects. In this article, we point these disadvantages associated with the use of correlation to assess the similarity of financial time series as well as we propose the alternative solution based on divergence measures. In particular, we focus on the Bose- Einstein divergence. The practical experiments with simulated data confirm the validity of our concept.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2012, 13, 3; 213-221
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Clustering macroeconomic time series
    Grupowanie makroekonomicznych szeregów czasowych
    Autorzy:
    Augustyński, Iwo
    Laskoś-Grabowski, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/424890.pdf
    Data publikacji:
    2018
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    time series clustering
    similarity
    cluster analysis
    GDP
    Opis:
    The data mining technique of time series clustering is well established. However, even when recognized as an unsupervised learning method, it does require making several design decisions that are nontrivially influenced by the nature of the data involved. By extensively testing various possibilities, we arrive at a choice of a dissimilarity measure (compression-based dissimilarity measure, or CDM) which is particularly suitable for clustering macroeconomic variables. We check that the results are stable in time and reflect large-scale phenomena, such as crises. We also successfully apply our findings to the analysis of national economies, specifically to identifying their structural relations.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2018, 22, 2; 74-88
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Similarity analysis of dynamic temperature measurements
    Autorzy:
    Cui, Zhiwen
    Li, Wenjun
    Yu, Sisi
    Jin, Minjun
    Powiązania:
    https://bibliotekanauki.pl/articles/2106420.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    dynamic temperature
    temperature time series
    similarity measure
    distance measurement
    Opis:
    Different temperature sensors show different measurement values when excited by the same dynamic temperature source. Therefore, a method is needed to determine the difference between dynamic temperature measurements. This paper proposes a novelty approach to treating dynamic temperature measurements over a period of time as a temperature time series, and derives the formula for the distance between the measurement values using uniform sampling within the time series analysis. The similarity is defined in terms of distance to measure the difference. The distance measures were studied on the analog measurement datasets. The results show that the discrete Fréchet distance has stronger robustness and higher sensitivity. The two methods have also been applied to an experimental dataset. The experimental results also confirm that the discrete Fréchet distance performs better.
    Źródło:
    Metrology and Measurement Systems; 2022, 29, 2; 283--300
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zone estimation with cluster analysis of public transport stops
    Ocena strefowa z analizą skupień przystanków transportu publicznego
    Autorzy:
    Horváth, B.
    Nagy, V.
    Powiązania:
    https://bibliotekanauki.pl/articles/192544.pdf
    Data publikacji:
    2016
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    public transport
    big data
    time series
    similarity matrix
    clustering
    transport publiczny
    duże zbiory danych
    szeregi czasowe
    podobieństwa macierzy
    grupowanie
    Opis:
    Nowadays the data sets are spreading continually, generated by different devices and systems. The public transport is also not an exception in this. The modern GPS based tracking systems and the electronic tickets are producing lot of data, and we could use them for improving the service level. In the right case, these data are storing, and the service suppliers are not dealing with its information content, but, on the other hand, maybe they are just deleting these, in the interest of the avoidance of digital space occupancy. However, these data are processable with the modern devices and methods, and we can use them for information obtaining. Thanks to the spread of data mining, these tools are not appearing only in marketing research but in the most various kind of scientific area too, and they are advertising a new scientific revolution. Although the importance of these data sources is essential it is not widespread in general in transport planning, only in some specific areas [1] as described by Csiszár et al. This article presents possible application of the digital raw materials, taking the public transport passengers boarding information as base. We created a three step method which could be useful in automatic zone shaping or to supervise the manually created zone borders. It is also able to give help in land-usage examinations. The procedure is effective in making traveling chains from smart card data and in creation of origin destination matrix from check-in data. In this article we are showing how the zone distribution is possible with the assistance of different distance measurement methods and clustering procedures, and we are presenting the results on the example of a selected city.
    Obecnie nieustannie powstają różne zbiory danych, generowane przez różne urządzenia i systemy. Transport publiczny nie jest w tym zakresie wyjątkiem. Nowoczesne systemy monitorowania oparte na GPS i bilety elektroniczne wytwarzają duże ilości danych, i moglibyśmy je wykorzystać dla poprawy poziomu usług. Z jednej strony dane te są przechowywane, a dostawcy usług nie mają do czynienia z zawartością informacji, ale z drugiej strony, być może są one po prostu usuwane, aby ograniczyć obciążanie cyfrowej przestrzeni. Dane te mogą być przetwarzane dzięki nowoczesnym urządzeniom i metodom, i możemy je wykorzystać do uzyskania informacji. Dzięki rozprzestrzenianiu eksploracji danych, narzędzia te pojawiają się nie tylko w badaniach marketingowych, ale w większości różnych działań badawczych, i reklamują one nową rewolucję naukową. Chociaż znaczenie tych źródeł danych jest zasadnicze, nie jest to rozpowszechnione w planowaniu transportu, a jedynie w pewnych określonych obszarach [1], tak jak pisze Csiszár i in. W artykule przedstawiono możliwości zastosowania materiałów nieprzetworzonych, biorąc jako podstawę informacje o pasażerach podróżujących transportem publicznym. Stworzono metodę trzech kroków, która może być przydatna do automatycznego kształtowania strefy lub do nadzorowania granic stref utworzonych konwencjonalnie. Może też przydać się przy kontroli gruntów użytkowych. Procedura ta jest skuteczna w tworzeniu łańcuchów podróży z danych z kart inteligentnych oraz w tworzeniu macierzy żródło-cel na podstawie danych zameldowania. W artykule pokazano, w jaki sposób możliwa jest dystrybucja stref, za pomocą różnych metod pomiaru odległości i procedur gromadzenia, i zaprezentowano tego efekty na przykładzie wybranego miasta.
    Źródło:
    Transport Miejski i Regionalny; 2016, 7; 9-12
    1732-5153
    Pojawia się w:
    Transport Miejski i Regionalny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies