Les auteurs développent une généralisation des embeddings terminaux aux segments de ligne affines pour pallier la limitation selon laquelle les embeddings terminaux standards ne peuvent pas préserver les structures linéaires requises pour le clustering de données de séries temporelles sous interpolation linéaire commune. Ils utilisent ces embeddings préservant les lignes pour obtenir les premiers co-ensembles sans dimension pour le clustering de séries temporelles sous la distance de Fréchet, en s'appuyant sur les embeddings Johnson-Lindenstrauss (JL) comme technique de réduction de dimension sous-jacente.
- La méthode généralise les embeddings terminaux aux segments de ligne affines, surmontant l'incapacité des techniques standards à préserver les structures linéaires.
- Elle permet la construction des premiers co-ensembles sans dimension pour le clustering de séries temporelles sous la distance de Fréchet.
- Les expériences sur des séries temporelles synthétiques et réelles montrent des performances similaires aux embeddings JL et des résultats favorables par rapport à l'ACP.
- Contrairement à d'autres méthodes, seuls les embeddings terminaux étendent la préservation de la distance paire à l'espace ambiant complet.
Cette approche permet une réduction de dimension efficace dans des tâches complexes de clustering de séries temporelles où la préservation de l'interpolation linéaire entre les mesures est critique.