【KDD2020論文閱讀總結】雞行為分類
【鏈接
】https://dl.acm.org/doi/pdf/10.1145/3394486.3403385
【Title】Fitbit for Chickens? Time Series Data Mining Can Increase the Productivity of Poultry Farms
【應用】時間序列分類
【領域】數據挖掘，家禽養殖
【文章要點】
本文來自時間序列的研發大戶UCR（加州大學河濱分校）
文章也沒特別的算法上的亮點，但是雞行為這個方向研究的人比較少，所以這篇論文主要是介紹技術背景、數據集以及常規的算法分析。
數據采集：雞身上的加速器傳感器，該傳感器可以檢測到xyz三軸的分量，采集頻率100Hz
采集工作流：
3個類別：喂食/進食，整理羽毛，沙浴。
分類器：最近鄰分類——對於時間序列T的分類時根據給定的查詢序列Q，在T中找相似的序列。
距離衡量：歐拉距離（ED）或 Dynamic Time Warping（DTW）
特征：shape 和 feature （如，方差，complecity，功率譜密度等）（同一個類別的時間序列長度可能不一樣，且相差一個數量級）
complecity特征：1） CID: an efficient
complexity-invariant distance for time series [14] 2）Matrix Profile V: A Generic Technique to
Incorporate Domain Knowledge into Motif Discovery” [16]
步驟：
1） 人工標注並提出備選特征
2）計算特征向量
3）向量匹配與學習閾值
std(T,100)是指滑動窗口為100（1s）的計算標准差
實驗結果：
應用：區分健康的雞和生病的雞
直方圖
附件列表