金融データ・マイニング/時系列クラスタリング のバックアップ(No.3)

• バックアップ一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 金融データ・マイニング/時系列クラスタリング へ行く。
  • 1 (2023-12-19 (火) 12:27:29)
  • 2 (2023-12-19 (火) 13:31:07)
  • 3 (2023-12-19 (火) 19:03:50)

時系列クラスタリングに関するメモ

サーベイ論文 †

• Javed A, Lee BS, and Rizzo DM (2020). A benchmark study on time series clustering. Machine Learning with Applications 1:100001. https://doi.org/10.1016/j.mlwa.2020.100001
  • UCRのデータセットをベンチマークとして用いて時系列クラスタリングの手法を評価した論文
• Aghabozorgi S, Shirkhorshidi AS, and Wah TY (2015). Time-series clustering: A decade review. Information Systems 53:16–38. https://doi.org/10.1016/j.is.2015.04.007
  • 時系列クラスタリングのサーベイ論文

論文 †

英語 †

• Paparrizos J and Gravano L (2017). Fast and accurate time-series clustering. ACM Transactions on Database Systems 42(2):8, 49 pages. https://doi.org/10.1145/3044711 (PDF)
  • k-Shapeの拡張版
• Paparrizos J and Gravano L (2015). k-Shape: Efficient and accurate clustering of time series. SIGMOD 2015:1855–1870. https://doi.org/10.1145/2723372.2737793
  • k-Shape
• Petitjean F, Ketterlin A, and Gançarski P (2011). A global averaging method for dynamic time warping, with applications to clustering. Pattern Recognition 44(3):678–693. https://doi.org/10.1016/j.patcog.2010.09.013
  • DBA k-means
• Dhillon IS, Guan Y, and Kulis B (2004). Kernel k-means: spectral clustering and normalized cuts. KDD 2004: 551–556. https://doi.org/10.1145/1014052.1014118 (PDF)
  • Kernel k-means

日本語 †

• 津田 暢彦, 濵砂 幸裕, 遠藤 靖典 (2021). 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. 知能と情報 33(2):608–616. https://doi.org/10.3156/jsoft.33.2_608
• 中本 和岐, 山田 悠, 鈴木 英之進 (2003). 動的時間伸縮法に基づく平均時系列生成による時系列データの高速クラスタリング. 人工知能学会論文誌 18(3):144–152. https://doi.org/10.1527/tjsai.18.144
  • 動的時間伸縮法 = DTW (Dynamic Time Warping)

ツール †

• tslearn
  • Pythonの時系列解析ライブラリ
  • KearnelKMeans
  • KShape
  • TimeSeriesKMeans: Euclidean k-means, DBA k-means, Soft-DTW k-means
  • Tavenard R, Faouzi J, Vandewiele G, et al. (2020). Tslearn: A machine learning toolkit for time series data. JMLR 21(118):1–6.