時系列データに対する3種類のサイズコントロールクラスタリング

• 津田 暢彦

  近畿大学 大学院総合理工学研究科

• 濵砂 幸裕

  近畿大学 理工学部

• 遠藤 靖典

  筑波大学 システム情報系

書誌事項

タイトル別名

• Three Controlled-Sized Clustering Methods for Time-Series Data

抄録

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．

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

キーワード

• 時系列データ
• クラスタリング
• サイズコントロール
• Shape-based Distance
• Dynamic Time Warping

詳細情報

• CRID: 1390288060505592960
• NII論文ID: 130008038585
• DOI: 10.3156/jsoft.33.2_608
• ISSN: 18817203
• ISSN: 13477986
• Web Site: https://www.jstage.jst.go.jp/article/jsoft/33/2/33_608/_pdf
• 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