論文の概要: Quantile-based fuzzy clustering of multivariate time series in the
frequency domain
- arxiv url: http://arxiv.org/abs/2109.03728v1
- Date: Wed, 8 Sep 2021 15:38:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-09 17:25:23.512493
- Title: Quantile-based fuzzy clustering of multivariate time series in the
frequency domain
- Title（参考訳）: 周波数領域における多変量時系列の質的ファジィクラスタリング
- Authors: \'Angel L\'opez-Oriona, Jos\'e A. Vilar, Pierpaolo-D'Urso
- Abstract要約: ファジィC平均とファジィCメロイドアルゴリズムを提案する。
提案手法の性能を広範囲にわたるシミュレーション研究で評価した。
航空品質と財務データベースに関する2つの具体的な応用は、我々のアプローチの有用性を示している。
- 参考スコア（独自算出の注目度）: 2.610470075814367
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A novel procedure to perform fuzzy clustering of multivariate time series
generated from different dependence models is proposed. Different amounts of
dissimilarity between the generating models or changes on the dynamic
behaviours over time are some arguments justifying a fuzzy approach, where each
series is associated to all the clusters with specific membership levels. Our
procedure considers quantile-based cross-spectral features and consists of
three stages: (i) each element is characterized by a vector of proper estimates
of the quantile cross-spectral densities, (ii) principal component analysis is
carried out to capture the main differences reducing the effects of the noise,
and (iii) the squared Euclidean distance between the first retained principal
components is used to perform clustering through the standard fuzzy C-means and
fuzzy C-medoids algorithms. The performance of the proposed approach is
evaluated in a broad simulation study where several types of generating
processes are considered, including linear, nonlinear and dynamic conditional
correlation models. Assessment is done in two different ways: by directly
measuring the quality of the resulting fuzzy partition and by taking into
account the ability of the technique to determine the overlapping nature of
series located equidistant from well-defined clusters. The procedure is
compared with the few alternatives suggested in the literature, substantially
outperforming all of them whatever the underlying process and the evaluation
scheme. Two specific applications involving air quality and financial databases
illustrate the usefulness of our approach.
- Abstract（参考訳）: 異なる依存モデルから生成された多変量時系列のファジィクラスタリングを行う新しい手法を提案する。
生成モデル間の異なる相違や時間経過に伴う動的挙動の変化はファジィアプローチを正当化する議論であり、各系列は特定のメンバーシップレベルを持つ全てのクラスタに関連付けられている。
Our procedure considers quantile-based cross-spectral features and consists of three stages: (i) each element is characterized by a vector of proper estimates of the quantile cross-spectral densities, (ii) principal component analysis is carried out to capture the main differences reducing the effects of the noise, and (iii) the squared Euclidean distance between the first retained principal components is used to perform clustering through the standard fuzzy C-means and fuzzy C-medoids algorithms.
提案手法の性能は,線形,非線形,動的条件相関モデルを含む数種類の生成過程を考慮した幅広いシミュレーション研究で評価された。
評価は2つの異なる方法で行われる: 結果のファジィ分割の品質を直接測定することと、明確に定義されたクラスタから等距離にある系列の重なり合う性質を決定するテクニックの能力を考慮して行われる。
この手順は、文献で提案されたいくつかの代替案と比較され、基礎となるプロセスや評価スキームを著しく上回っている。
航空品質と金融データベースに関する2つの特定の応用が,このアプローチの有用性を示している。
関連論文リスト
- Interpetable Target-Feature Aggregation for Multi-Task Learning based on Bias-Variance Analysis [53.38518232934096]
マルチタスク学習(MTL)は、タスク間の共有知識を活用し、一般化とパフォーマンスを改善するために設計された強力な機械学習パラダイムである。
本稿では,タスククラスタリングと特徴変換の交点におけるMTL手法を提案する。
両段階において、鍵となる側面は減った目標と特徴の解釈可能性を維持することである。
論文 参考訳（メタデータ） (2024-06-12T08:30:16Z) - Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。
階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
論文 参考訳（メタデータ） (2023-05-11T10:30:35Z) - Fuzzy clustering of ordinal time series based on two novel distances
with economic applications [0.12891210250935145]
順序時間列間の2つの新しい距離を導入し、ファジィクラスタリング手順を構築するために使用した。
結果のクラスタリングアルゴリズムは計算効率が良く、類似のプロセスから生成されるシリーズをグループ化することができる。
経済時系列に関する2つの具体的な応用は、提案手法の有用性を示している。
論文 参考訳（メタデータ） (2023-04-24T16:39:22Z) - Multi-View Clustering via Semi-non-negative Tensor Factorization [120.87318230985653]
半負のテンソル因子分解(Semi-NTF)に基づく新しいマルチビュークラスタリングを開発する。
本モデルは、ビュー間の関係を直接考慮し、ビュー間の補完情報を利用する。
さらに,提案手法の最適化アルゴリズムを提案し,そのアルゴリズムが常に定常KKT点に収束することを数学的に証明する。
論文 参考訳（メタデータ） (2023-03-29T14:54:19Z) - High-dimensional variable clustering based on maxima of a weakly dependent random process [1.1999555634662633]
本稿では,Asymptotic Independent Block (AI-block)モデルと呼ばれる,変数クラスタリングのための新しいモデルのクラスを提案する。
このモデルのクラスは特定可能であり、つまり、分割の間に部分的な順序を持つ極大要素が存在し、統計的推測が可能であることを意味する。
また,変数のクラスタを列挙するチューニングパラメータに依存するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-02T08:24:26Z) - Unified Multi-View Orthonormal Non-Negative Graph Based Clustering
Framework [74.25493157757943]
我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。
また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
論文 参考訳（メタデータ） (2022-11-03T08:18:27Z) - Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。
我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。
ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
論文 参考訳（メタデータ） (2022-02-10T06:23:56Z) - Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。
当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。
単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
論文 参考訳（メタデータ） (2021-10-26T20:41:19Z) - Quantile-based fuzzy C-means clustering of multivariate time series:
Robust techniques [2.3226893628361682]
外れ値の存在に対するロバスト性は、いわゆるメートル法、ノイズ、トリミングアプローチを用いて達成される。
シミュレーション実験の結果,アルゴリズムは外部系列の存在に対処する上で極めて有効であることが示唆された。
論文 参考訳（メタデータ） (2021-09-22T20:26:12Z) - Conjugate Mixture Models for Clustering Multimodal Data [24.640116037967985]
マルチモーダルクラスタリングの問題は、データが物理的に異なるセンサーで収集されるたびに発生する。
マルチモーダルクラスタリングは,新しいフレームワーク,すなわち共役混合モデル内で対処できることを示す。
論文 参考訳（メタデータ） (2020-12-09T10:13:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。