論文の概要: Quantile-based fuzzy C-means clustering of multivariate time series: Robust techniques

• arxiv url: http://arxiv.org/abs/2109.11027v1
• Date: Wed, 22 Sep 2021 20:26:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-25 02:19:25.949673
• Title: Quantile-based fuzzy C-means clustering of multivariate time series: Robust techniques
• Title（参考訳）: 多変量時系列の量子ベースファジィC平均クラスタリング:ロバスト手法
• Authors: \'Angel L\'opez-Oriona, Pierpaolo D'Urso, Jos\'e Antonio Vilar and Borja Lafuente-Rego
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.3226893628361682
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Three robust methods for clustering multivariate time series from the point of view of generating processes are proposed. The procedures are robust versions of a fuzzy C-means model based on: (i) estimates of the quantile cross-spectral density and (ii) the classical principal component analysis. Robustness to the presence of outliers is achieved by using the so-called metric, noise and trimmed approaches. The metric approach incorporates in the objective function a distance measure aimed at neutralizing the effect of the outliers, the noise approach builds an artificial cluster expected to contain the outlying series and the trimmed approach eliminates the most atypical series in the dataset. All the proposed techniques inherit the nice properties of the quantile cross-spectral density, as being able to uncover general types of dependence. Results from a broad simulation study including multivariate linear, nonlinear and GARCH processes indicate that the algorithms are substantially effective in coping with the presence of outlying series (i.e., series exhibiting a dependence structure different from that of the majority), clearly poutperforming alternative procedures. The usefulness of the suggested methods is highlighted by means of two specific applications regarding financial and environmental series.
• Abstract（参考訳）: 生成過程の観点から多変量時系列をクラスタリングする3つのロバストな手法を提案する。 手順は下記に基づくファジィc-平均モデルのロバストなバージョンである。 (i)四面体クロススペクトル密度の推定と推定 (ii)古典的主成分分析 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。 メトリックアプローチは、目的関数に、外れ値の効果を中和することを目的とした距離尺度、ノイズアプローチは、アウトライディング級数を含むと期待される人工クラスタを構築し、トリミングアプローチはデータセットにおける最も非定型級数を取り除く。 提案手法はすべて、一般的な依存のタイプを明らかにすることができるため、量子的クロススペクトル密度の優れた性質を継承する。 多変量線形、非線形、ガーチ過程を含む幅広いシミュレーション研究の結果、アルゴリズムは、アウトライディング級数(つまり、多数派とは異なる依存構造を示す級数)の存在に対処するのに実質的に効果的であることが示された。 提案手法の有用性は,金融・環境シリーズに関する2つの具体的応用により強調される。

関連論文リスト

• Fuzzy clustering of circular time series based on a new dependence measure with applications to wind data [2.845817138242963]
  時系列クラスタリングは、多くの分野のアプリケーションに欠かせない機械学習タスクである。 円列間の距離を導入し、クラスタリング手順を構築するために使用する。 ファジィアプローチが採用され、各系列を異なる会員度を持つ複数のクラスタに配置することができる。
  論文  参考訳（メタデータ） (2024-01-26T12:21:57Z)
• Detection of Anomalies in Multivariate Time Series Using Ensemble Techniques [3.2422067155309806]
  最終的な決定に向けて,複数の基本モデルを組み合わせたアンサンブル手法を提案する。 また,ロジスティック回帰器を用いて基本モデルの出力を結合する半教師付き手法を提案する。 異常検出精度の点での性能改善は、教師なしモデルでは2%、半教師なしモデルでは少なくとも10%に達する。
  論文  参考訳（メタデータ） (2023-08-06T17:51:22Z)
• Rethinking k-means from manifold learning perspective [122.38667613245151]
  平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。 具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。 異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
  論文  参考訳（メタデータ） (2023-05-12T03:01:41Z)
• 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)
• 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)
• A One-shot Framework for Distributed Clustered Learning in Heterogeneous Environments [54.172993875654015]
  異種環境における分散学習のためのコミュニケーション効率化手法のファミリーを提案する。 ユーザによるローカル計算に基づくワンショットアプローチと、サーバにおけるクラスタリングベースのアグリゲーションステップは、強力な学習保証を提供する。 厳密な凸問題に対しては,ユーザ毎のデータ点数がしきい値を超える限り,提案手法はサンプルサイズの観点から順序最適平均二乗誤差率を達成する。
  論文  参考訳（メタデータ） (2022-09-22T09:04:10Z)
• Gradient Based Clustering [72.15857783681658]
  本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。 アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
  論文  参考訳（メタデータ） (2022-02-01T19:31:15Z)
• Quantile-based fuzzy clustering of multivariate time series in the frequency domain [2.610470075814367]
  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。
  論文  参考訳（メタデータ） (2021-09-08T15:38:33Z)
• Stable and consistent density-based clustering via multiparameter persistence [77.34726150561087]
  トポロジカルデータ解析による次数-リップス構成について考察する。 我々は,入力データの摂動に対する安定性を,通信間距離を用いて解析する。 私たちはこれらのメソッドを、Persistableと呼ばれる密度ベースのクラスタリングのためのパイプラインに統合します。
  論文  参考訳（メタデータ） (2020-05-18T19:45:04Z)

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。