時系列データからの潜在的構造変化検出(招待講演,時系列パターン認識)

スポンサーリンク

概要

論文の詳細を見る
本稿では、時系列データからの変化検知の問題を考える。変化検知はデータの背後にある確率モデルが変化したときに、それを検出する問題である。それは、Novelty Detection(新規性検知)やAnomaly Detection (異常検知)といった価値ある知識の発見に結びつき、データマイニング分野でも重要な問題として捉えられている。特に、確率モデルが離散的な潜在構造(たとえば、潜在変数の数やクラスター構造など)をもち、その変化を捉えるための手法が近年、1つの潮流として発展している。本稿では、その1つの統一的なアプローチとして、動的モデル選択と呼ばれる情報理論的アプローチを紹介し、関連するアルゴリズムと合わせて、「潜在的構造変化検出」の理論的体系を示す。また、本アプローチをマーケテムイングやソーシャルネットワーク、セキュリティ分野における知識発見に応用し、深い知識発見をもたらす例を示す。
2012-02-02

著者

関連論文

もっと見る

スポンサーリンク