Труды КНЦ вып. 11 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ) вып. 8/2020 (11)

ТЕЗИСЫ ДОКЛАДОВ DOI: 10.37614/2307-5252.2020.8.11.023 УДК 51-7 Б.С. Дарховский, Ю.А. Дубнов, А.Ю. Попков Москва, Федеральный исследовательский центр «Информатика и управление» РАН БЕЗМОДЕЛЬНЫЕ ТЕХНОЛОГИИ КЛАССИФИКАЦИИ МНОГОМЕРНЫХ ВРЕМЕННЫХ РЯДОВ НА БАЗЕ ТЕОРИИ ЭПСИЛОН-СЛОЖНОСТИ* Аннотация В работе рассматривается новый подход к проблеме классификации многомерных временных рядов, не требующий использования их моделей. Подход базируется на оригинальной теории эпсилон-сложности, которая позволяет почти любое отображение, удовлетворяющее условию Гёльдера, эффективно характеризовать парой действительных чисел, называемых коэффициентами сложности. Таким образом появляется возможность формирования признакового пространства, и дальнейшей постановки и решения задачи классификации в этом пространстве. Рассматривается пример применения предлагаемого подхода для задачи классификации сигналов ЭЭГ с использованием реальных данных. Ключевые слова эпсилон-сложность, классификация, многомерные временные ряды, ээг, безмодельный подход B.S. Darkhovsky, Y.A. Dubnov, A.Y. Popkov Moscow, FRC Computer Science and Control, RAS MODEL-FREE CLASSIFICATION OF MULTIVARIATE TIME-SERIES BASED ON EPSILON-COMPLEXITY THEORY Abstract This work is devoted to a new model-free approach to a problem of binary classification of multivariate time-series. The approach is based on the original theory of epsilon- complexity which allows almost every mapping that satisfies Hoelder condition, be characterized by a pair of real numbers - complexity coefficients. Thus we can form a feature space in which a classification problem can be formulated and solved. We provide an example of classification of real EEG signals. Keywords: epsilon-complexity, classification, time-series, eeg, model-free. Успех в решении задачи классификации многомерных данных самым существенным образом зависит от того, насколько удачно сформировано пространство признаков. На наш взгляд, в настоящее время именно эта проблема выдвигается на первый план в области классификации [1]. Формирование пространства признаков *Работа выполненапри финансовойподдержке Российского фонда фундаментальных исследований (проекты№17-29-02115, 20-07-00221). 176