Speeding up all-pairwise dynamic time warping matrix calculation (2016)
- Authors:
- Autor USP: BATISTA, GUSTAVO ENRIQUE DE ALMEIDA PRADO ALVES - ICMC
- Unidade: ICMC
- DOI: 10.1137/1.9781611974348.94
- Subjects: INTELIGÊNCIA ARTIFICIAL; RECONHECIMENTO DE PADRÕES; ANÁLISE DE SÉRIES TEMPORAIS
- Language: Inglês
- Imprenta:
- Publisher: SIAM
- Publisher place: Philadelphia
- Date published: 2016
- Source:
- Título: Proceedings
- ISSN: 2167-0102
- Conference titles: SIAM International Conference on Data Mining - SDM
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
SILVA, Diego Furtado e BATISTA, Gustavo Enrique de Almeida Prado Alves. Speeding up all-pairwise dynamic time warping matrix calculation. 2016, Anais.. Philadelphia: SIAM, 2016. Disponível em: https://doi.org/10.1137/1.9781611974348.94. Acesso em: 23 fev. 2026. -
APA
Silva, D. F., & Batista, G. E. de A. P. A. (2016). Speeding up all-pairwise dynamic time warping matrix calculation. In Proceedings. Philadelphia: SIAM. doi:10.1137/1.9781611974348.94 -
NLM
Silva DF, Batista GE de APA. Speeding up all-pairwise dynamic time warping matrix calculation [Internet]. Proceedings. 2016 ;[citado 2026 fev. 23 ] Available from: https://doi.org/10.1137/1.9781611974348.94 -
Vancouver
Silva DF, Batista GE de APA. Speeding up all-pairwise dynamic time warping matrix calculation [Internet]. Proceedings. 2016 ;[citado 2026 fev. 23 ] Available from: https://doi.org/10.1137/1.9781611974348.94 - Time series classification with motifs and characteristics
- Uma avaliação sobre a identificação de Motifs em séries temporais
- A fuzzy classifier for data streams with infinitely delayed labels
- Fast unsupervised online drift detection using incremental Kolmogorov-Smirnov test
- A complexity-invariant measure based on fractal dimension for time series classification
- Towards automatic classification on flying insects using inexpensive sensors
- Data mining a trillion time series subsequences under dynamic time warping
- Distância invariante à complexidade baseada em dimensão fractal para classificação de séries temporais
- Unsupervised context switch for classification tasks on data streams with recurrent concepts
- On the need of class ratio insensitive drift tests for data streams
Informações sobre o DOI: 10.1137/1.9781611974348.94 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
