【KDD2020论文阅读总结】鸡行为分类
【链接】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
【应用】时间序列分类
【领域】数据挖掘，家禽养殖
【文章要点】
本文来自时间序列的研发大户UCR（加州大学河滨分校）
文章也没特别的算法上的亮点，但是鸡行为这个方向研究的人比较少，所以这篇论文主要是介绍技术背景、数据集以及常规的算法分析。
数据采集：鸡身上的加速器传感器，该传感器可以检测到xyz三轴的分量，采集频率100Hz
采集工作流：
3个类别：喂食/进食，整理羽毛，沙浴。
分类器：最近邻分类——对于时间序列T的分类时根据给定的查询序列Q，在T中找相似的序列。
距离衡量：欧拉距离（ED）或 Dynamic Time Warping（DTW）
特征：shape 和 feature （如，方差，complecity，功率谱密度等）（同一个类别的时间序列长度可能不一样，且相差一个数量级）
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]
步骤：
1） 人工标注并提出备选特征
2）计算特征向量
3）向量匹配与学习阈值
std(T,100)是指滑动窗口为100（1s）的计算标准差
实验结果：
应用：区分健康的鸡和生病的鸡
直方图
