Time Series Clustering With Random Convolutional Kernels

要約

時系列データは、気候学から金融、医療に至るまで幅広いアプリケーションに及びますが、そのサイズと複雑さにより、データ マイニングにおいて大きな課題が生じます。
未解決の問題の 1 つは時系列クラスタリングにあります。時系列クラスタリングは、ラベルのない大量の時系列データを処理し、貴重な洞察を引き出すために重要です。
ただし、従来の分析方法も最新の分析方法も、これらの複雑さに苦戦することがよくあります。
これらの制限に対処するために、ランダムに選択されたパラメーターを持つ畳み込みアーキテクチャを利用する新しい方法である R クラスタリングを導入します。
広範な評価を通じて、R-Clustering はクラスタリングの精度、計算効率、スケーラビリティの点で既存の方法よりも優れたパフォーマンスを示しています。
UCR アーカイブを使用して得られた経験的結果は、多様な時系列データセットにわたるアプローチの有効性を示しています。
この調査結果は、さまざまなドメインやアプリケーションにおける R クラスタリングの重要性を強調し、時系列データ マイニングの進歩に貢献します。

要約(オリジナル)

Time series data, spanning applications ranging from climatology to finance to healthcare, presents significant challenges in data mining due to its size and complexity. One open issue lies in time series clustering, which is crucial for processing large volumes of unlabeled time series data and unlocking valuable insights. Traditional and modern analysis methods, however, often struggle with these complexities. To address these limitations, we introduce R-Clustering, a novel method that utilizes convolutional architectures with randomly selected parameters. Through extensive evaluations, R-Clustering demonstrates superior performance over existing methods in terms of clustering accuracy, computational efficiency and scalability. Empirical results obtained using the UCR archive demonstrate the effectiveness of our approach across diverse time series datasets. The findings highlight the significance of R-Clustering in various domains and applications, contributing to the advancement of time series data mining.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google