WhichFinger Dataset

The WhichFinger Dataset is a multivariate time series (MTS) dataset, designed for eXplainable Artificial Intelligence (XAI) applications. This dataset offers comprehensive information on the data collection process for each class, as well as the features relevant to specific classes, which facilitates the validation of the CWRI measure.

《指识别数据集》（WhichFinger Dataset）是一项多元时间序列（MTS）数据集，旨在服务于可解释人工智能（XAI）领域的应用。该数据集提供了关于每个类别数据收集过程的详细信息，以及与特定类别相关的特征，这有助于验证 CWRI 指标的有效性。

原始信息汇总

数据集概述

数据集名称

WhichFinger 数据集

数据集来源

来自SIGKDD 2024论文 CAFO: Feature-Centric Explanation on Time Series Classification，作者包括Jaeho Kim, Seok-Ju (Adam) Hahn, Yoontae Hwang, Junghye Lee, 和 Seulki Lee。

数据集目的

专为可解释人工智能（XAI）应用设计的多变量时间序列（MTS）数据集，用于验证CWRI测量。

数据集特点

• 样本大小：18,010
• 时间序列长度：120（可调整）
• 用户数量：19
• 传感器数量：10
• 频率：66.7 Hz
• 类别：10个，包括拇指、食指、中指、无名指和小指的单独使用及除外的动作。

数据集内容

• 原始数据：raw_data_df.pkl
• 模型训练数据：WhichFinger_ModelTraining
• 答案表：answer_sheet.csv
• 数据集类：finger_dataset.py
• 标签数据：label_df.csv

数据集使用许可

采用Creative Commons Attribution-NonCommercial 4.0 International License。

数据集详细信息

详细数据收集过程和预处理步骤请参阅论文的Appendix G: WhichFinger Dataset。

搜集汇总

数据集介绍

构建方式

在构建WhichFinger数据集时，研究团队精心设计了一个实验，要求参与者在特定时间内重复特定的手指动作。通过使用智能手套，该设备以66.7 Hz的频率记录了10个传感器的数据，从而捕捉到每个手指动作的详细时间序列信息。数据收集后，经过一系列的预处理步骤，包括数据清洗和标准化，以确保数据的质量和一致性。最终，数据集包含了18,010个样本，每个样本具有120个时间窗口，涵盖了10个不同的手指动作类别。

特点

WhichFinger数据集的显著特点在于其高频率的传感器数据采集和多维度的特征设计，这使得该数据集在时间序列分类和解释性人工智能（XAI）领域具有广泛的应用潜力。此外，数据集提供了每个类别的详细数据收集过程和相关特征信息，这有助于验证CWRI（Class-Wise Relevance Index）度量的有效性。数据集的多样性和丰富性，使其成为研究时间序列分类和特征解释的重要资源。

使用方法

使用WhichFinger数据集时，用户可以通过提供的Google Drive链接下载原始数据和预处理文件。数据集包含一个PyTorch数据集类，方便用户在深度学习框架中进行模型训练。此外，数据集还提供了多个Jupyter笔记本，用于数据预处理和CWRI度量的评估。用户可以根据需要调整时间序列的长度，并利用提供的答案表和标签文件进行模型性能的评估。数据集的使用遵循Creative Commons Attribution-NonCommercial 4.0 International License，确保了数据的合法和道德使用。

背景与挑战

背景概述

WhichFinger数据集是由Jaeho Kim、Seok-Ju (Adam) Hahn、Yoontae Hwang、Junghye Lee和Seulki Lee等研究人员在SIGKDD 2024会议上发表的论文《CAFO: Feature-Centric Explanation on Time Series Classification》中提出的。该数据集旨在为可解释的人工智能（XAI）应用提供多元时间序列（MTS）数据。其核心研究问题在于验证CWRI（Class-Wise Relevance Index）度量，通过提供每个类别的详细数据收集过程和相关特征信息，填补了现有公共MTS数据集在特征贡献知识、类别和特征数量以及样本数量方面的不足。

当前挑战

WhichFinger数据集在构建过程中面临多项挑战。首先，确保每个特征对特定类别的贡献具有强先验知识或信息，这一要求增加了数据收集的复杂性。其次，满足类别和特征数量以及样本数量的充足性，确保数据集的广泛适用性和研究价值。此外，数据预处理和模型训练过程中的技术难题，如高频数据的处理和模型性能的优化，也是该数据集需要克服的重要挑战。

常用场景

经典使用场景

在时间序列分类领域，WhichFinger数据集因其多元时间序列（MTS）的特性，成为解释性人工智能（XAI）应用的经典范例。该数据集通过收集参与者在一分钟内重复特定手指动作的数据，提供了丰富的传感器信息，适用于验证CWRI（Class-Wise Relevance Index）度量。其经典使用场景包括但不限于：利用多元时间序列数据进行模型训练，以识别和解释不同手指动作的特征贡献，从而提升时间序列分类模型的解释性和准确性。

衍生相关工作

基于WhichFinger数据集，已衍生出多项经典工作，包括但不限于：开发新的时间序列分类算法，优化现有的CWRI度量方法，以及探索多元时间序列数据在不同应用场景中的解释性。这些工作不仅提升了时间序列分类的准确性和解释性，还为相关领域的研究提供了新的思路和方法。例如，一些研究通过结合深度学习技术，进一步提高了手势识别的精度和实时性。

数据集最近研究

最新研究方向

在时间序列分类领域，WhichFinger数据集因其独特的多变量时间序列（MTS）特性而备受关注。该数据集不仅提供了丰富的传感器数据，还包含了每个类别的详细特征贡献信息，这为可解释人工智能（XAI）的研究提供了宝贵的资源。当前，该数据集的前沿研究主要集中在特征中心解释（Feature-Centric Explanation）方法的开发与验证上，旨在通过CWRI（Class-wise Relevance Index）等指标，量化各特征对分类结果的影响。此外，随着XAI技术的不断进步，WhichFinger数据集的应用也扩展到了模型透明度和用户信任度的提升，进一步推动了时间序列分析在实际应用中的可解释性和可靠性。