書誌事項
- タイトル別名
-
- Three Controlled-Sized Clustering Methods for Time-Series Data
抄録
<p>時系列データとは,時間変化する現象の情報を持つデータであり,その応用範囲は多岐にわたる.大規模複雑な時系列データを分析し,その特徴を抽出するデータ解析手法の1つにクラスタリングがある.時系列データのクラスタリングにおける重要な課題は,適切な非類似度の選択とデータに適したクラスタリングアルゴリズムの選択である.本論文では,時系列データに対するクラスタリング手法にサイズコントロールの考え方を導入することで,不均衡な時系列データを適切に処理する新たなクラスタリング手法を提案する.提案手法は,時系列データに対する代表的な手法である,Dynamic Time Warping(DTW)を非類似度に用いたk-medoids,Shape-based Distance(SBD)を非類似度に用いたk-medoidsおよびk-Shapeのそれぞれを拡張することで構築される.さらに,UCR Time Series Classification Archiveで公開されている12種類のデータセットを用いた数値実験を行い,提案手法の性能を検証した.数値実験から,Dynamic Time Warpingを非類似度に用いたサイズコントロール付きk-medoidsが,提案手法の中で最も良好なクラスタ分割を得ることを確認した.</p>
収録刊行物
-
- 知能と情報
-
知能と情報 33 (2), 608-616, 2021-05-15
日本知能情報ファジィ学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390288060505592960
-
- NII論文ID
- 130008038585
-
- ISSN
- 18817203
- 13477986
-
- 本文言語コード
- en
-
- データソース種別
-
- JaLC
- Crossref
- CiNii Articles
- KAKEN
-
- 抄録ライセンスフラグ
- 使用不可