教師なしランダムフォレストを用いた多変量時系列データの類型化

カテゴリ: 研究会(論文単位)

論文No: ST18115

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2018/09/27

タイトル(英語): Clustering of Multivariate Time Series with Unsupervised Random Forest

著者名: 岡崎 雅也(横浜国立大学),濱上 知樹(横浜国立大学),中田 雅也(横浜国立大学)

著者名(英語): Masaya Okazaki(Yokohama National University),Tomoki Hamagami(Yokohama National University),Masaya Nakata(Yokohama National University)

キーワード: 多変量時系列|クラスタリング|教師なしランダムフォレスト|イベント予測|Multivariate Time Series|Clustering|Unsupervised Random Forest|Event Prediction

要約(日本語): 多変量時系列のクラスタリングはイベント予測問題の前処理として有効であり，従来手法として，観測値の記号表現に基づく手法がある。しかし，従来手法における記号表現は変量間の関係を考慮していないため，精度は限定的である。そこで，本研究では教師なしランダムフォレストに基づく，変量間の関係を考慮した記号表現を提案する。実験では，ベンチマークデータセットを用いて提案手法の有効性を検証する。

要約(英語): Clustering of multivariate time series is useful for event prediction, and conventional method is based on symbolic representation. However, conventional method does not take into account relationship between variables, so its performance is limited. Therefore, we propose new symbolic representation based on unsupervised random forest. Experiments with benchmark dataset demonstrate effectiveness of our approach.

原稿種別: 日本語

PDFファイルサイズ: 1,282 Kバイト