Time series classification using wavelet transform
Se Eun Lim, Jong-Hwa Na · Journal of the Korean Data and Information Science Society · 2021
최근 각종 디지털 기기로부터 폭발적으로 생산되고 있는 시계열 자료에 대한 데이터마이닝 기법의 적용이 주요 관심사이다. 여기에는 시계열 자료에 대한 분류의 문제가 포함된다. 본 연구에서는 시계열 자료의 분류 문제에 이산 웨이블릿 변환을 이용하는 방법을 소개하고, 실제의 자료 분석에 적용한다. 이산 웨이블릿 변환은 시간의 정보를 담지 못하는 푸리에 분석의 발전된 형태로 시간 해상도와 주파수 해상도를 동시에 높일 수 있는 장점이 있어 비정상적 시계열 자료에 대한 분류 문제에 효과적이다. 분류 모형으로는 의사결정나무, 단순 베이즈, k-인접아웃, SVM, 랜덤 포레스트 방법이 사용되었으며, 성능 비교를 위해 정확도, 카파계수, F1-점수, ARI 등의 다양한 측도가 사용되었다. 염산의 농도를 측정한 시계열 자료에 적용한 결과, 이산 웨이블릿을 이용한 방법이 원시 시계열 자료에 직접 분류 모형을 적용한 결과나 고속 푸리에 변환 (또는 단시간 푸리에 변환)을 이용한 결과보다 성능이 우수함을 확인하였다. 이산 웨이블릿 변환의 적용과정에서 주요하게 취급되는 모 웨이블릿의 선택 문제도 함께 고려하였다.