AMSS : 時系列データの効率的な類似度測定手法(データマイニング)

概要

論文の詳細を見る
近年,時系列データの分類に関する研究が盛んに行われている.しかし,既存の類似度測定手法は,データ整合,ノイズ,計算コストなどの問題がある.また,座標値のみの計算ではあらゆる時系列データを安定して分類できないという問題もある.これは,時系列データがもつ波形の振幅,振動数,概形などの特徴も考慮する必要があるからである.本論文では,前者の解決のために類似度測定手法Angular Metrics for Shape Similarity (AMSS)を提案する.AMSSは時系列データをベクトル列として扱い,ベクトルの角度を比較して類似度を計測している.角度の比較にはコサイン類似度を用い,ノイズのような類似しない部分を無視している.また,動的計画法で系列間の類似度を計算して,データ整合の問題を解決している.一方,後者の解決のために,それぞれの特徴に合わせた分類アルゴリズムを複数用意し,アンサンブル学習の枠組みを導入したメタアルゴリズムにより,それらを組み合わせて分類を行う.その結果,個々の識別器を単独で利用するよりも分類精度が向上することを示す.
2008-11-01