論文の概要: Fuzzy clustering of circular time series based on a new dependence measure with applications to wind data

• arxiv url: http://arxiv.org/abs/2402.08687v1
• Date: Fri, 26 Jan 2024 12:21:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-18 13:14:07.914790
• Title: Fuzzy clustering of circular time series based on a new dependence measure with applications to wind data
• Title（参考訳）: 新しい依存度に基づく円形時系列のファジィクラスタリングと風速データへの応用
• Authors: \'Angel L\'opez-Oriona, Ying Sun and Rosa M. Crujeiras
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.845817138242963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series clustering is an essential machine learning task with applications in many disciplines. While the majority of the methods focus on time series taking values on the real line, very few works consider time series defined on the unit circle, although the latter objects frequently arise in many applications. In this paper, the problem of clustering circular time series is addressed. To this aim, a distance between circular series is introduced and used to construct a clustering procedure. The metric relies on a new measure of serial dependence considering circular arcs, thus taking advantage of the directional character inherent to the series range. Since the dynamics of the series may vary over the time, we adopt a fuzzy approach, which enables the procedure to locate each series into several clusters with different membership degrees. The resulting clustering algorithm is able to group series generated from similar stochastic processes, reaching accurate results with series coming from a broad variety of models. An extensive simulation study shows that the proposed method outperforms several alternative techniques, besides being computationally efficient. Two interesting applications involving time series of wind direction in Saudi Arabia highlight the potential of the proposed approach.
• Abstract（参考訳）: 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必須の機械学習タスクである。 手法の大半は実数直線で値を取る時系列にフォーカスするが、単位円上で定義される時系列を考える研究はほとんどないが、後者のオブジェクトは多くのアプリケーションで頻繁に発生する。 本稿では,循環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、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。 この計量は円弧を考慮した新しい連続依存尺度に依存しており、系列範囲に固有の方向的特徴を生かしている。 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。 結果として得られたクラスタリングアルゴリズムは、類似の確率過程から生成された系列をグループ化し、幅広いモデルからの系列で正確な結果を得ることができる。 シミュレーション実験により,提案手法は計算効率の向上に加えて,いくつかの代替手法より優れていることが示された。 サウジアラビアの風向の時系列に関する2つの興味深い応用は、提案されたアプローチの可能性を強調している。

関連論文リスト

• TimeSiam: A Pre-Training Framework for Siamese Time-Series Modeling [67.02157180089573]
  時系列事前トレーニングは、最近、ラベルのコストを削減し、下流の様々なタスクに利益をもたらす可能性があるとして、広く注目を集めている。 本稿では,シームズネットワークに基づく時系列の簡易かつ効果的な自己教師型事前学習フレームワークとしてTimeSiamを提案する。
  論文  参考訳（メタデータ） (2024-02-04T13:10:51Z)
• Time Series Clustering With Random Convolutional Kernels [0.0]
  時系列データ(気候学から金融学、医療まで)は、データマイニングにおいて大きな課題を提示している。 ひとつは時系列クラスタリングで、これはラベルなしの時系列データの大量処理に不可欠である。 R-Clusteringは、ランダムに選択されたパラメータを持つ畳み込みアーキテクチャを利用する新しい手法である。
  論文  参考訳（メタデータ） (2023-05-17T06:25:22Z)
• 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)
• Continuous-time convolutions model of event sequences [53.36665135225617]
  イベントシーケンスデータの巨大なサンプルは、eコマース、ヘルスケア、ファイナンスなど、さまざまなドメインで発生します。 利用可能なデータの量とクライアント毎のイベントシーケンスの長さは典型的には大きいため、長期的なモデリングが必要である。 時間内の事象の一様発生に適した連続畳み込みニューラルネットワークに基づくCOTIC法を提案する。
  論文  参考訳（メタデータ） (2023-02-13T10:34:51Z)
• 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)
• Instance-wise Graph-based Framework for Multivariate Time Series Forecasting [69.38716332931986]
  我々は,異なる時刻スタンプにおける変数の相互依存性を利用するための,シンプルで効率的なインスタンス単位のグラフベースのフレームワークを提案する。 私たちのフレームワークのキーとなる考え方は、異なる変数の履歴時系列から予測すべき現在の時系列に情報を集約することです。
  論文  参考訳（メタデータ） (2021-09-14T07:38:35Z)
• Time Series Alignment with Global Invariances [14.632733235929926]
  本稿では,時間的アライメントとともに特徴空間の潜在的大域的変換を学習することにより,特徴空間と時間的変動の両方を考慮した新しい距離を提案する。 この新たな幾何学の下で,時系列バリセンタの計算アルゴリズムを2つ提案する。 シミュレーションデータと実世界のデータの両方に対するアプローチの関心を概説し、最先端の手法と比較して、我々のアプローチの堅牢性を示す。
  論文  参考訳（メタデータ） (2020-02-10T15:11:50Z)

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。