論文の概要: Robust fuzzy clustering for high-dimensional multivariate time series with outlier detection
- arxiv url: http://arxiv.org/abs/2510.26982v1
- Date: Thu, 30 Oct 2025 20:16:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-03 17:52:15.908421
- Title: Robust fuzzy clustering for high-dimensional multivariate time series with outlier detection
- Title（参考訳）: 外乱検出による高次元多変量時系列のロバストファジィクラスタリング
- Authors: Ziling Ma, Ángel López-Oriona, Hernando Ombao, Ying Sun,
- Abstract要約: RFCPCAは、多変量時系列データに適した、堅牢なファジィサブスペースクラスタリング手法である。
潜時構造を捕捉し、校正されたメンバーシップの不確実性を提供し、汚染下で安定なまま、フラグ列レベルのアウトリーチを提供する。
ドライバEEGでは、RFCPCAは関連するメソッドよりもクラスタリングの精度を向上し、不確実性と外れ値の構造のより信頼性の高い特徴を与える。
- 参考スコア（独自算出の注目度）: 8.124770608442377
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fuzzy clustering provides a natural framework for modeling partial memberships, particularly important in multivariate time series (MTS) where state boundaries are often ambiguous. For example, in EEG monitoring of driver alertness, neural activity evolves along a continuum (from unconscious to fully alert, with many intermediate levels of drowsiness) so crisp labels are unrealistic and partial memberships are essential. However, most existing algorithms are developed for static, low-dimensional data and struggle with temporal dependence, unequal sequence lengths, high dimensionality, and contamination by noise or artifacts. To address these challenges, we introduce RFCPCA, a robust fuzzy subspace-clustering method explicitly tailored to MTS that, to the best of our knowledge, is the first of its kind to simultaneously: (i) learn membership-informed subspaces, (ii) accommodate unequal lengths and moderately high dimensions, (iii) achieve robustness through trimming, exponential reweighting, and a dedicated noise cluster, and (iv) automatically select all required hyperparameters. These components enable RFCPCA to capture latent temporal structure, provide calibrated membership uncertainty, and flag series-level outliers while remaining stable under contamination. On driver drowsiness EEG, RFCPCA improves clustering accuracy over related methods and yields a more reliable characterization of uncertainty and outlier structure in MTS.
- Abstract（参考訳）: ファジィクラスタリングは部分的メンバシップをモデル化するための自然なフレームワークを提供し、特に状態境界が曖昧である多変量時系列(MTS)において重要である。
例えば、運転注意の脳波モニタリングでは、神経活動は連続体に沿って進化する(意識不明から完全な警戒まで、多くの中間レベルが眠る)ため、クリップラベルは非現実的であり、部分的なメンバーシップは不可欠である。
しかし、既存のアルゴリズムのほとんどは静的で低次元のデータのために開発されており、時間的依存、不等列の長さ、高次元性、ノイズやアーティファクトによる汚染に悩まされている。
これらの課題に対処するために、我々はRFCPCAを紹介します。これは、堅牢でファジィなサブスペースクラスタリングメソッドで、MSSに合わせて明確に調整されています。
(i)メンバシップインフォームドサブスペースを学習する。
(二)不平等な長さ及び適度な高次元を許容する。
三 トリミング、指数的再重み付け、専用ノイズクラスタにより堅牢性を達成すること。
(iv) 必要なすべてのハイパーパラメータを自動的に選択する。
これらのコンポーネントはRFCPCAが遅延時間構造を捕捉し、校正されたメンバーシップの不確実性を提供し、汚染下で安定な状態を維持しながら、級数レベルのアウトリーチをフラグすることを可能にする。
ドライバの眠気脳波では、RFCPCAは関連するメソッドよりもクラスタリングの精度を向上し、MTSにおける不確実性や異常な構造をより信頼性の高い特徴を与える。
関連論文リスト
- Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。
HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。
このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
論文 参考訳（メタデータ） (2025-10-05T09:32:12Z) - Impute-MACFM: Imputation based on Mask-Aware Flow Matching [1.9483189922830135]
Impute-MACFMは、表計算のための条件付きフローマッチングフレームワークである。
無作為性、無作為性、無作為性、無作為性、無作為性に対処する。
軌道は欠落したエントリのみに設定され、予測速度は観測されたエントリでほぼゼロに抑えられる。
論文 参考訳（メタデータ） (2025-09-27T05:15:09Z) - Robust Spectral Fuzzy Clustering of Multivariate Time Series with Applications to Electroencephalogram [6.62414474989199]
スペクトル領域にファジィクラスタリングフレームワークを導入し、変数間の周波数特異なモノトニックな関係を抽出する。
本手法は、クラスタリング精度を向上させるために、周波数ベースのクロスリージョン接続パターンを優先的に活用する。
フラッグシップアプリケーションとして脳波記録を解析し,潜在認知状態の周波数・接続性特異的マーカーを明らかにする。
論文 参考訳（メタデータ） (2025-06-28T12:02:01Z) - FreRA: A Frequency-Refined Augmentation for Contrastive Learning on Time Series Classification [56.925103708982164]
周波数領域からの新たな視点を示し、ダウンストリーム分類の利点として、グローバル、独立、コンパクトの3つを識別する。
本稿では,分類タスクにおける時系列のコントラスト学習に適した,軽量で効果的な周波数補充拡張(FreRA)を提案する。
FreRAは、時系列分類、異常検出、転送学習タスクにおいて、常に10つの主要なベースラインを上回ります。
論文 参考訳（メタデータ） (2025-05-29T07:18:28Z) - Label-independent hyperparameter-free self-supervised single-view deep subspace clustering [0.0]
ディープサブスペースクラスタリング(DSC)アルゴリズムは、ドメイン間で広く採用されるのを妨げるいくつかの課題に直面している。
本稿では,結合表現行列を用いたレイヤワイド自己表現損失を最小限に抑える一視点DSC手法を提案する。
提案手法は,顔,数字,オブジェクトを表す6つのデータセットに対して評価する。
論文 参考訳（メタデータ） (2025-04-25T08:54:34Z) - Geometric Median Matching for Robust k-Subset Selection from Noisy Data [75.86423267723728]
最適分解点1/2のロバストな推定器であるGeometric Medianを利用する新しいk-subset選択法を提案する。
提案手法は, k-subset を反復的に選択し,部分集合の平均が(潜在的に)ノイズデータセットの GM に近似し,任意の汚損の下でもロバスト性を確保する。
論文 参考訳（メタデータ） (2025-04-01T09:22:05Z) - MKF-ADS: Multi-Knowledge Fusion Based Self-supervised Anomaly Detection System for Control Area Network [9.305680247704542]
制御エリアネットワーク(英: Control Area Network, CAN)は、車両ネットワークにおける電子制御ユニット(ECU)間の通信プロトコルである。
CANは、本質的にセキュリティ上のリスクのために、厳しいセキュリティ上の課題に直面している。
本稿では,MKF-ADSと呼ばれる自己教師付き多知識融合異常検出モデルを提案する。
論文 参考訳（メタデータ） (2024-03-07T07:40:53Z) - 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)
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。