論文の概要: STCAD: Scalable Trajectory Clustering and Anomaly Detection on Terabyte-Scale AIS Data

• arxiv url: http://arxiv.org/abs/2608.10249v1
• Date: Mon, 10 Aug 2026 21:32:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.82534
• Title: STCAD: Scalable Trajectory Clustering and Anomaly Detection on Terabyte-Scale AIS Data
• Title（参考訳）: STCAD:テラバイト規模のAISデータにおけるスケーラブルな軌道クラスタリングと異常検出
• Abstract要約: 本稿では,テラバイト規模の自動識別システム(AIS)アーカイブから得られた海洋軌道の教師なしクラスタリングのためのスケーラブルなフレームワークを提案する。 可変長軌道は、マスク付きトークンモデリングによってトレーニングされた独自のBERTベースのモデルで符号化され、CURE階層クラスタリングを用いてクラスタ化される。 再構成損失とクラスタリングノイズ割り当てに基づく固有異常検出手法は、不規則なナビゲーションパターンを特定する。
• 参考スコア（独自算出の注目度）: 35.18016233072556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a scalable framework for unsupervised clustering of maritime trajectories derived from terabyte-scale Automatic Identification System (AIS) archives. Variable-length trajectories are encoded with a custom BERT-based model trained via masked token modeling and clustered using CURE hierarchical clustering, producing physically interpretable trajectory groups without requiring a predefined number of clusters. An intrinsic unsupervised anomaly detection method based on reconstruction loss and clustering noise assignment identifies irregular navigation patterns. The framework is demonstrated on a national-scale AIS dataset comprising billions of messages spanning one year, yielding stable trajectory clusters and a clear separation between nominal and anomalous vessel behavior.
• Abstract（参考訳）: 本稿では,テラバイト規模の自動識別システム(AIS)アーカイブから得られた海洋軌道の教師なしクラスタリングのためのスケーラブルなフレームワークを提案する。 可変長軌道は、マスク付きトークンモデリングによって訓練された独自のBERTベースのモデルで符号化され、CURE階層クラスタリングを使用してクラスタ化され、予め定義された数のクラスタを必要とすることなく物理的に解釈可能な軌道群を生成する。 再構成損失とクラスタリングノイズ割り当てに基づく固有教師なし異常検出手法は、不規則なナビゲーションパターンを特定する。 この枠組みは,1年にわたる数十億件のメッセージからなる全国規模のAISデータセット上で実証され,安定な軌道クラスターを形成し,名目と異常な容器の挙動を明確に分離する。

関連論文リスト

• Turtle shell clustering: A mixture approach to discriminative clustering with applications to flow cytometry and other data [0.254890465057467]
  クラスタリングに対する生成的アプローチは、クラスタの幾何学的性質に関する情報を提供する。 識別的アプローチはクラスタ間のバウンダリを提供する。 完全教師なし,確率的,差別的なクラスタリング手法を提案する。
  論文  参考訳（メタデータ） (2026-04-25T00:33:30Z)
• Weight-Informed Self-Explaining Clustering for Mixed-Type Tabular Data [63.62853416081748]
  WISEは表現、特徴重み付け、クラスタリング、解釈を統一するフレームワークである。 クラスタリングを駆動する同じプリミティブに根ざした、忠実で人間解釈可能な説明を生成する。
  論文  参考訳（メタデータ） (2026-04-07T13:18:31Z)
• Universal Transformation of One-Class Classifiers for Unsupervised Anomaly Detection [51.73001988341294]
  異常検出は通常、一級分類問題として定式化される。 本稿では,任意の1クラス分類器に基づく異常検出器を,完全に教師なしの手法に変換するデータセット折り畳み方式を提案する。
  論文  参考訳（メタデータ） (2026-02-13T16:54:12Z)
• Spatio-Temporal Graphs Beyond Grids: Benchmark for Maritime Anomaly Detection [14.841789798257055]
  海上領域における異常検出のための新しいベンチマークデータセットを提案する。 我々のデータセットは,ノードレベル,エッジレベル,グラフレベルという3つの異なる粒度の体系的評価を可能にする。
  論文  参考訳（メタデータ） (2025-12-23T06:28:12Z)
• Adaptive and Robust DBSCAN with Multi-agent Reinforcement Learning [53.527506374566485]
  本稿では,多エージェント強化学習クラスタフレームワーク,すなわちAR-DBSCANを用いた新しいAdaptive and Robust DBSCANを提案する。 我々は、AR-DBSCANが、NMIおよびARIメトリクスの最大144.1%と175.3%のクラスタリング精度を向上するだけでなく、支配的なパラメータを確実に見つけることができることを示した。
  論文  参考訳（メタデータ） (2025-05-07T11:37:23Z)
• Stable Trajectory Clustering: An Efficient Split and Merge Algorithm [1.9253333342733674]
  クラスタリングアルゴリズムは、パターンを特定するために特徴によってデータポイントをグループ化する。 本稿ではDBSCAN線分クラスタリングに基づく全軌道クラスタリングとサブ軌道クラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-04-30T17:11:36Z)
• Towards Learnable Anchor for Deep Multi-View Clustering [49.767879678193005]
  本稿では,線形時間でクラスタリングを行うDeep Multi-view Anchor Clustering (DMAC)モデルを提案する。 最適なアンカーを用いて、全サンプルグラフを計算し、クラスタリングのための識別的埋め込みを導出する。 いくつかのデータセットの実験では、最先端の競合に比べてDMACの性能と効率が優れていることが示されている。
  論文  参考訳（メタデータ） (2025-03-16T09:38:11Z)
• Generative Anomaly Detection for Time Series Datasets [1.7954335118363964]
  交通渋滞異常検出は知的交通システムにおいて最重要事項である。 本稿では,トラヒック異常検出のためのトラヒック密度推定を行うデータ駆動型生成手法を提案する。 Recall と F1-Score の両手法により, 最先端の混雑異常検出法と診断法を比較検討した。
  論文  参考訳（メタデータ） (2022-06-28T17:08:47Z)
• Recurrent Spectral Network (RSN): shaping the basin of attraction of a discrete map to reach automated classification [4.724825031148412]
  自動分類のための新しい戦略が導入された。これは、完全に訓練された動的システムを利用して、アイテムを異なる引き付け者に向けて操る。 非線型項はトランジェントに作用し、初期条件として供給されたデータを離散力学系に切り離すことができる。 我々の新しい分類手法であるRecurrent Spectral Network (RSN) は、画像処理訓練のための標準データセットと同様に、図形的な目的のために作成された単純なテストベッドモデルに挑戦することに成功した。
  論文  参考訳（メタデータ） (2022-02-09T14:59:06Z)
• Anomaly Clustering: Grouping Images into Coherent Clusters of Anomaly Types [60.45942774425782]
  我々は異常クラスタリングを導入し、その目標はデータを異常型の一貫性のあるクラスタにまとめることである。 これは異常検出とは違い、その目標は異常を通常のデータから分割することである。 パッチベースの事前訓練されたディープ埋め込みとオフザシェルフクラスタリング手法を用いた,単純で効果的なクラスタリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-21T23:11:33Z)

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。