出版社：Japan Society for Fuzzy Theory and Intelligent Informatics
摘要：時系列データとは，時間変化する現象の情報を持つデータであり，その応用範囲は多岐にわたる．大規模複雑な時系列データを分析し，その特徴を抽出するデータ解析手法の1つにクラスタリングがある．時系列データのクラスタリングにおける重要な課題は，適切な非類似度の選択とデータに適したクラスタリングアルゴリズムの選択である．本論文では，時系列データに対するクラスタリング手法にサイズコントロールの考え方を導入することで，不均衡な時系列データを適切に処理する新たなクラスタリング手法を提案する．提案手法は，時系列データに対する代表的な手法である，Dynamic Time Warping（DTW）を非類似度に用いた k -medoids，Shape-based Distance（SBD）を非類似度に用いた k -medoidsおよび k -Shapeのそれぞれを拡張することで構築される．さらに，UCR Time Series Classification Archiveで公開されている12種類のデータセットを用いた数値実験を行い，提案手法の性能を検証した．数値実験から，Dynamic Time Warpingを非類似度に用いたサイズコントロール付き k -medoidsが，提案手法の中で最も良好なクラスタ分割を得ることを確認した．
关键词：時系列データ;クラスタリング;サイズコントロール;Shape-based Distance;Dynamic Time Warping;time-series data;clustering;controlled-sized;shape-based distance;dynamic time warping
