論文の概要: Fuzzy clustering of ordinal time series based on two novel distances with economic applications

• arxiv url: http://arxiv.org/abs/2304.12249v1
• Date: Mon, 24 Apr 2023 16:39:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-25 14:07:07.450240
• Title: Fuzzy clustering of ordinal time series based on two novel distances with economic applications
• Title（参考訳）: 2つの新しい距離と経済応用に基づく順序時系列のファジィクラスタリング
• Authors: \'Angel L\'opez Oriona, Christian Weiss and Jos\'e Antonio Vilar
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.12891210250935145
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series clustering is a central machine learning task with applications in many fields. While the majority of the methods focus on real-valued time series, very few works consider series with discrete response. In this paper, the problem of clustering ordinal time series is addressed. To this aim, two novel distances between ordinal time series are introduced and used to construct fuzzy clustering procedures. Both metrics are functions of the estimated cumulative probabilities, thus automatically taking advantage of the ordering inherent to the series' range. The resulting clustering algorithms are computationally efficient and able to group series generated from similar stochastic processes, reaching accurate results even though the series come from a wide variety of models. Since the dynamic of the series may vary over the time, we adopt a fuzzy approach, thus enabling the procedures to locate each series into several clusters with different membership degrees. An extensive simulation study shows that the proposed methods outperform several alternative procedures. Weighted versions of the clustering algorithms are also presented and their advantages with respect to the original methods are discussed. Two specific applications involving economic time series illustrate the usefulness of the proposed approaches.
• Abstract（参考訳）: 時系列クラスタリングは、多くの分野におけるアプリケーションの中心的な機械学習タスクである。 手法の大半は実数値時系列に焦点をあてるが、離散応答を持つ時系列を考える研究はほとんどない。 本稿では,順序時系列のクラスタリングの問題に対処する。 この目的のために、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。 どちらの指標も推定累積確率の関数であり、系列の範囲に固有の順序を自動的に利用することができる。 結果のクラスタリングアルゴリズムは計算効率が良く、類似の確率過程から生成される系列をグループ化でき、様々なモデルから得られるにもかかわらず正確な結果が得られる。 時系列のダイナミクスは時間とともに変化する可能性があるため、ファジィアプローチを採用し、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。 シミュレーション実験により,提案手法はいくつかの方法より優れていることが示された。 クラスタリングアルゴリズムの重み付けバージョンも提示され、元の手法に関してその利点が議論されている。 経済時系列を含む2つの特定の応用は,提案手法の有用性を示している。

関連論文リスト

• A Bayesian Mixture Model of Temporal Point Processes with Determinantal Point Process Prior [21.23523473330637]
  非同期イベントシーケンスクラスタリングは、教師なしの方法で類似のイベントシーケンスをグループ化することを目的としている。 私たちの研究は、イベントシーケンスクラスタリングのためのフレキシブルな学習フレームワークを提供し、潜在的なクラスタ数の自動識別を可能にします。 これは、ニューラルネットワークベースのモデルを含む幅広いパラメトリック時間点プロセスに適用できる。
  論文  参考訳（メタデータ） (2024-11-07T03:21:30Z)
• 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)
• An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
  クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。 このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。 本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-30T15:57:14Z)
• 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)
• 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)
• 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)
• Novel Features for Time Series Analysis: A Complex Networks Approach [62.997667081978825]
  時系列データは、気候、経済、医療などいくつかの領域で広く使われている。 最近の概念的アプローチは、複雑なネットワークへの時系列マッピングに依存している。 ネットワーク分析は、異なるタイプの時系列を特徴付けるのに使うことができる。
  論文  参考訳（メタデータ） (2021-10-11T13:46:28Z)
• 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)
• 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)
• Conjoined Dirichlet Process [63.89763375457853]
  我々はディリクレ過程に基づく新しい非パラメトリック確率的ビクラスタリング法を開発し、列と列の双方に強い共起を持つビクラスタを同定する。 本手法はテキストマイニングと遺伝子発現解析の2つの異なる応用に適用し,既存の手法に比べて多くの設定でビクラスタ抽出を改善することを示す。
  論文  参考訳（メタデータ） (2020-02-08T19:41:23Z)

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。