Özellik tabanlı zaman serisi sınıflandırma yöntemlerinin performanslarının karşılaştırılması

Zaman serisi sınıflandırması (ZSS), sınıflandırmanın özel bir türüdür ve sahip oldukları karakteristik özelliklerine göre, zaman serilerinin "sınıfının" tahmin edilmesi süreci şeklinde tanımlanabilir Bu amaca yönelik olarak kullanılan yöntemleri, i) uzaklık tabanlı, ii) model tabanlı ve iii) özellik tabanlı olmak üzere 3 ana başlık altında toplamak mümkündür. Uzaklık tabanlı ZSS yöntemleri ham zaman serileri ile birlikte çalışır ve bir uzaklık fonksiyonu kullanılarak birbirine benzer olan zaman serilerinin belirlenmesine dayanır. Model tabanlı ZSS yöntemlerinin ilk adımı, her bir zaman serisi için istatistiksel yaklaşımlar, Markov modelleri, Gizli Markov Modelleri gibi modelleme teknikleri kullanılarak zaman serisinin stokastik davranışını temsil eden bir model tahmin edilmesidir. Sonraki adımında ise sınıflandırma aşamasında zaman serilerinin yerine tahmin edilen model yapısı kullanılır. Son olarak özellik tabanlı ZSS yöntemlerinde ise zaman serisi karakteristik davranışını temsil eden daha düşük boyutlu bir özellik uzayına dönüştürülür ve sınıflandırma aşamasında zaman serisinin yerine özellik vektörleri kullanılır. Bu tezin ana konusu, özellik tabanlı ZSS yöntemleri ve en iyi bilinen sınıflandırma yöntemleri ile zaman serisi özelliklerinin sınıflandırma performansını karşılaştırmaktır. Bu bağlamda, 13 sınıflandırma yöntemi, 10 zaman serisi özelliği ve UCR zaman serisi veri setlerinde değişik kategorilerde 39 veri seti kullanılmıştır. Karşılaştırmalar için her bir yöntem ve zaman serisi özelliklerinden oluşan her bir veri seti için doğru sınıflandırma oranı (D) kriteri hesaplanmıştır ve elde edilen sonuçlara göre performans değerlendirmeleri yapılmıştır. Anahtar Kelimeler: Sınıflandırma, Zaman serisi sınıflandırması, özellik tabanlı zaman serisi sınıflandırması