Tăng tốc dựa vào GPU giải thuật phân lớp chuỗi thời gian gồm tổ hợp bộ phân lớp 1-NN kết hợp với những đô đo khoảng cách không đàn hồi và đàn hồi

Tóm tắt

Cải thiện độ hiệu quả và tính hữu hiệu của một phương pháp phân lớp chuỗi thời gian là một vấn đề rất quan trọng.  Bài báo này trình bày một cách tiếp cận tổ hợp (ensemble) để phân lớp chuỗi thời gian sử dụng các bộ phân lớp 1-NN (one-nearest neighbor) kết hợp với những độ đo khoảng cách không đàn hồi (non-elastic) và đàn hồi (elastic). Ngoài ra, chúng tôi thiết kế một cách hiện thực song song hóa dựa vào GPU cho giải pháp đề xuất nhằm cải tiến tính hữu hiệu về thời gian của giải pháp này. Kết quả thực nghiệm của giải pháp đề xuất trên một số bộ dữ liệu chuỗi thời gian chuẩn cho thấy phương pháp đề xuất hiệu quả hơn phương pháp 1-NN kết hợp độ đo Xoắn Thời Gian Động (Dynamic Time Warping- DTW), là phương pháp được giới học thuật liên quan xem là giải thuật hàng đầu (gold baseline) của bài toán phân lớp chuỗi thời gian và đồng thời phương pháp đề xuất đạt hiệu quả ngang bằng với phương pháp tổ hợp bộ phân lớp 1-NN kết hợp với tám độ đo khoảng cách đàn hồi của Lines và các cộng sự [14]. Bên cạnh đó, chúng tôi thực nghiệm so sánh tính hữu hiệu của cách hiện thực song song hóa dựa vào GPU với cách hiện thực tuần tự cho giải pháp đề xuất. Kết quả của thực nghiệm thứ hai cho thấy trung bình cách hiện thực giải pháp đề xuất bằng GPU thực thi nhanh gấp 48 lần so với cách hiện thực tuần tự cho giải pháp đề xuất.