English(EN) MINT: Tensor Decomposition on Stacked Recurrence Matrices for Time Series Data Mining

新的MINT方法使用张量分解进行时间序列数据挖掘

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-06 04:00

研究人员开发了MINT，一种通过在堆叠复发矩阵上使用张量分解来分析时间序列数据的新方法。这种方法从自相似矩阵创建点图，从而可以挖掘共聚类模式。MINT管道已被证明能有效地识别具有规则图案的数据集中的跨传感器模式，在交通和能源需求等领域显示出前景。 AI

影响引入了一种新颖的张量分解技术，以增强时间序列分析和模式发现。

排序理由该项目描述了一种新方法及其在学术论文中提出的应用。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Kaamil Kaka, Audrey Der, Evangelos E. Papalexakis, Zachary Zimmerman, Vikram Jayaram · 2026-08-06 04:00

MINT: Tensor Decomposition on Stacked Recurrence Matrices for Time Series Data Mining

arXiv:2608.04157v1 Announce Type: new Abstract: Recurrence plots are a time series data mining primitive applied to a variety of domains (e.g. star light curves, sound waveforms, CCT telemetry). This work proposes tensorized self-similarity matrices as a primitive for univariate …