Parsimonious segmentation of time series by Potts models

G. Winkler, A. Kempe, V. Liebscher, O. Wittich

    Onderzoeksoutput: Hoofdstuk in Boek/Rapport/CongresprocedureConferentiebijdrageAcademicpeer review

    Samenvatting

    Typical problems in the analysis of data sets like time-series or images crucially rely on the extraction of primitive features based on segmentation. Variational approaches are a popular and convenient framework in which such problems can be studied. We focus on Potts models as simple nontrivial instances. The discussion proceeds along two data sets from brain mapping and functional genomics.
    Originele taal-2Engels
    TitelInnovations in Classification, Data Science, and Information Systems (Proceedings of the 27th Annual Conference of the Gesellschaft für Klassifikation e.V., Cottbus, Germany, March 12-14, 2003), Part II
    RedacteurenD. Baier, K.D. Warnecke
    Plaats van productieBerlin
    UitgeverijSpringer
    Hoofdstuk34
    Pagina's295-302
    Aantal pagina's9
    ISBN van elektronische versie978-3-540-26981-6
    ISBN van geprinte versie3-540-23221-4, 978-3-540-23221-6
    DOI's
    StatusGepubliceerd - 2005

    Publicatie series

    NaamStudies in Classification, Data Analysis, and Knowledge Organization

    Vingerafdruk

    Duik in de onderzoeksthema's van 'Parsimonious segmentation of time series by Potts models'. Samen vormen ze een unieke vingerafdruk.

    Citeer dit