論文の概要: Change points detection in crime-related time series: an on-line fuzzy
approach based on a shape space representation
- arxiv url: http://arxiv.org/abs/2312.11097v1
- Date: Mon, 18 Dec 2023 10:49:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 20:15:28.859763
- Title: Change points detection in crime-related time series: an on-line fuzzy
approach based on a shape space representation
- Title（参考訳）: 犯罪関連時系列における変化点検出:形状空間表現に基づくオンラインファジィアプローチ
- Authors: Fabrizio Albertetti, Lionel Grossrieder, Olivier Ribaux, Kilian
Stoffel
- Abstract要約: 本稿では,犯罪関連時系列における変化点の検出と問合せを行うオンライン手法を提案する。
この手法は、非常に低い計算コストで変化点を正確に検出することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The extension of traditional data mining methods to time series has been
effectively applied to a wide range of domains such as finance, econometrics,
biology, security, and medicine. Many existing mining methods deal with the
task of change points detection, but very few provide a flexible approach.
Querying specific change points with linguistic variables is particularly
useful in crime analysis, where intuitive, understandable, and appropriate
detection of changes can significantly improve the allocation of resources for
timely and concise operations. In this paper, we propose an on-line method for
detecting and querying change points in crime-related time series with the use
of a meaningful representation and a fuzzy inference system. Change points
detection is based on a shape space representation, and linguistic terms
describing geometric properties of the change points are used to express
queries, offering the advantage of intuitiveness and flexibility. An empirical
evaluation is first conducted on a crime data set to confirm the validity of
the proposed method and then on a financial data set to test its general
applicability. A comparison to a similar change-point detection algorithm and a
sensitivity analysis are also conducted. Results show that the method is able
to accurately detect change points at very low computational costs. More
broadly, the detection of specific change points within time series of
virtually any domain is made more intuitive and more understandable, even for
experts not related to data mining.
- Abstract（参考訳）: 伝統的なデータマイニング手法を時系列に拡張することは、金融、計量学、生物学、セキュリティ、医学など幅広い分野に効果的に適用されている。
既存のマイニング手法の多くは変化点検出のタスクを扱うが、柔軟なアプローチを提供するものはほとんどない。
特定の変化点を言語変数でクエリすることは、直感的で理解しやすく、適切な変化の検出が、タイムリーかつ簡潔な操作のためのリソース割り当てを大幅に改善する犯罪解析において特に有用である。
本稿では,有意義な表現とファジィ推論システムを用いて,犯罪関連時系列における変化点の検出と問合せを行うオンライン手法を提案する。
変化点検出は形状空間表現に基づいており、変化点の幾何学的性質を記述する言語用語はクエリを表現するために使われ、直感性と柔軟性の利点を提供する。
まず,提案手法の有効性を確認するための犯罪データと,その汎用性をテストするための財務データを用いて,経験的評価を行う。
また、同様の変化点検出アルゴリズムと感度解析との比較を行った。
その結果,非常に低い計算コストで変化点を正確に検出できることがわかった。
より広義には、データマイニングに関係のない専門家であっても、事実上あらゆる領域の時系列における特定の変化点の検出をより直感的で理解しやすいものにしている。
関連論文リスト
- Enhancing Changepoint Detection: Penalty Learning through Deep Learning Techniques [2.094821665776961]
本研究では,ペナルティパラメータを予測するための新しいディープラーニング手法を提案する。
これにより、大規模なベンチマーク管理されたラベル付きデータセットにおいて、明らかに変更点検出精度が向上する。
論文 参考訳（メタデータ） (2024-08-01T18:10:05Z) - Online Change Points Detection for Linear Dynamical Systems with Finite
Sample Guarantees [1.6026317505839445]
本研究では,未知の力学を持つ線形力学系に対するオンライン変化点検出問題について検討する。
我々は,誤報を発生させる確率に基づいて,予め指定された上限を達成できるデータ依存しきい値を開発する。
論文 参考訳（メタデータ） (2023-11-30T18:08:16Z) - Deep learning model solves change point detection for multiple change
types [69.77452691994712]
変更点検出は、データ分散の急激な障害をキャッチすることを目的としている。
本稿では,マルチディストリビューションシナリオにおけるアプローチを提案する。
論文 参考訳（メタデータ） (2022-04-15T09:44:21Z) - Learning Sinkhorn divergences for supervised change point detection [24.30834981766022]
そこで本研究では,実測値学習の監督として,真の変化点インスタンスを用いた新しい変化点検出フレームワークを提案する。
提案手法は,特徴選択と解釈の両方に有用であるスパース計量の学習に利用できる。
論文 参考訳（メタデータ） (2022-02-08T17:11:40Z) - Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。
本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
論文 参考訳（メタデータ） (2021-04-07T05:42:11Z) - Online Neural Networks for Change-Point Detection [0.6015898117103069]
ニューラルネットワークに基づく2つのオンライン変更点検出手法を提案する。
様々な合成および実世界のデータセット上で最もよく知られたアルゴリズムと比較する。
論文 参考訳（メタデータ） (2020-10-03T16:55:59Z) - Change Point Detection in Time Series Data using Autoencoders with a
Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。
近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。
我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文 参考訳（メタデータ） (2020-08-21T15:03:21Z) - Offline detection of change-points in the mean for stationary graph
signals [55.98760097296213]
グラフ信号定常性の概念に依存するオフライン手法を提案する。
我々の検出器は、漸近的でない不等式オラクルの証拠を伴っている。
論文 参考訳（メタデータ） (2020-06-18T15:51:38Z) - An Evaluation of Change Point Detection Algorithms [6.03459316244618]
本稿では,変化点検出アルゴリズムの評価に特化して設計されたデータセットを提案する。
それぞれのシリーズは5人のアノテータによって注釈され、変化点の存在と位置について基礎的な真実を提供した。
次に、データセットの各時系列に対して14のアルゴリズムを評価するベンチマーク研究を行う。
論文 参考訳（メタデータ） (2020-03-13T12:23:41Z) - Deep Hough Transform for Semantic Line Detection [70.28969017874587]
自然の場面で意味のある線構造、つまり意味的な線を検知する基本的なタスクに焦点をあてる。
従来の手法は線の性質を無視し、準最適性能をもたらす。
行検出のためのワンショットエンドツーエンド学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-10T13:08:42Z) - Multi-Task Incremental Learning for Object Detection [71.57155077119839]
マルチタスクは、知識と計算を共有しながら、複数のタスクを学習する。
古いデータにアクセスせずに漸進的に学習すると、過去の知識を壊滅的に忘れてしまう。
論文 参考訳（メタデータ） (2020-02-13T04:58:37Z)
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。