金融データ・マイニング/時系列クラスタリング のバックアップソース(No.3)

• バックアップ一覧
• 差分 を表示
• 現在との差分 を表示
• バックアップ 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 [#s5e34daf]
-[[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>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>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 [#y044f170]
**英語 [#q203df29]
-[[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>https://doi.org/10.1145/3044711]] ([[PDF>https://www.paparrizos.org/papers/PaparrizosTODS17.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>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>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>https://doi.org/10.1145/1014052.1014118]] ([[PDF>https://www.cs.utexas.edu/users/inderjit/public_papers/kdd_spectral_kernelkmeans.pdf]])
--Kernel k-means


**日本語 [#j853dadc]
-[[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>https://www.jstage.jst.go.jp/article/jsoft/33/2/33_608/_article/-char/ja]]
-[[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>https://www.jstage.jst.go.jp/article/tjsai/18/3/18_3_144/_article/-char/ja/]]
--動的時間伸縮法 = DTW (Dynamic Time Warping)

*ツール [#td3737df]
-[[tslearn>https://tslearn.readthedocs.io/en/stable/]]
--Pythonの時系列解析ライブラリ
--[[KearnelKMeans>https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.KernelKMeans.html]]
--[[KShape>https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.KShape.html]]
--[[TimeSeriesKMeans>https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.TimeSeriesKMeans.html]]: 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.>https://jmlr.org/papers/v21/20-091.html]]