Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
The path kernel: A novel kernel for sequential data
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP.
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP.ORCID-id: 0000-0003-1114-6040
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP.ORCID-id: 0000-0003-2965-2953
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP.
2015 (Engelska)Ingår i: Pattern Recognition: Applications and Methods : International Conference, ICPRAM 2013 Barcelona, Spain, February 15–18, 2013 Revised Selected Papers / [ed] Ana Fred, Maria De Marsico, Springer Berlin/Heidelberg, 2015, 71-84 s.Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

We define a novel kernel function for finite sequences of arbitrary length which we call the path kernel. We evaluate this kernel in a classification scenario using synthetic data sequences and show that our kernel can outperform state of the art sequential similarity measures. Furthermore, we find that, in our experiments, a clustering of data based on the path kernel results in much improved interpretability of such clusters compared to alternative approaches such as dynamic time warping or the global alignment kernel.

Ort, förlag, år, upplaga, sidor
Springer Berlin/Heidelberg, 2015. 71-84 s.
Serie
Advances in Intelligent Systems and Computing, ISSN 2194-5357 ; 318
Nyckelord [en]
Kernels, Sequences, Pattern recognition, Dynamic time warping, Global alignment, Interpretability, Kernel function, Similarity measure, State of the art, Classification (of information)
Nationell ämneskategori
Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:kth:diva-167388DOI: 10.1007/978-3-319-12610-4_5ISI: 000364822300005Scopus ID: 2-s2.0-84914163004ISBN: 9783319126098 (tryckt)OAI: oai:DiVA.org:kth-167388DiVA: diva2:815584
Konferens
2nd International Conference on Pattern Recognition Applications and Methods, ICPRAM 2013; Barcelona; Spain; 15 February 2013 through 18
Anmärkning

QC 20150601

Tillgänglig från: 2015-06-01 Skapad: 2015-05-22 Senast uppdaterad: 2015-12-17Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Pokorny, Florian T.Kragic, Danica

Sök vidare i DiVA

Av författaren/redaktören
Baisero, AndreaPokorny, Florian T.Kragic, DanicaEk, Carl Henrik
Av organisationen
Datorseende och robotik, CVAP
Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 292 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf