Войти
аналитика - 時系列クラスタリング
可変かつ不規則なサンプリング時系列解析のための状態空間モデルを用いたクラスタリング手法：VISTA-SSM
医療・心理学分野の、サンプリングレートが大きく変化したり不規則なサンプリングがされている多変量時系列データに対し、異なる動的パターンを示すサブグループを教師なしで自動的にクラスタリングする新しい手法、VISTAを提案する。
k-meansを用いた時系列クラスタリングに関する考察：標準化設定の必要性とアルゴリズムのバリアントの影響評価
本稿では、時系列クラスタリング、特にk-meansアルゴリズムのバリアントにおける標準化設定の必要性と、その影響を評価しています。
共通の構造変化を持つ時系列データのモデルベースクラスタリング
本稿では、複数の時系列データから、構造変化のタイミングが共通するものを同じグループとしてクラスタリングする新しいモデルベースの手法を提案する。
時系列クラスタリングのための一般的アプローチ: k-MLE、k-Bregman、k-VARs - 理論、収束性、計算
本論文では、ハードクラスタリングの一般的なアプローチである k-MLE を開発し、その収束性を示す。k-Bregman クラスタリングは k-MLE の特殊ケースであり、初めて完全な収束性の証明を与える。さらに、ベクトル自己回帰時系列のクラスタリングに k-VARs を適用し、その収束性と計算アルゴリズムを提案する。
Продукты
© 2024 by Linnk AI