位置情報付き個人コンテンツ分類のための線形HMMを用いたイベントクラスタリング

摘要

我々は，人間行動履歴の地理的クラスタリングについて議論する．本論文では，この問題を，二次元時系列データのセグメンテーション問題として定式化し，二つのクラスタリング手法，LS-linHMMとX-linHMMを提案する．前者のLS-linHMMは，線形制約付きHMMを用いたクラスタリングと情報量規準を用いたモデル選択を組み合わせ，クラスタ数の自軌推定を行う．また，X-lin HMMは，X-meanSのアイデアを取り入れた2状態線形HMMによる階層的クラスタリングであり，LS-lin HMMよりも高速なクラスタリングを実現している．今回，これらの手法を，GPSタグ付き写真コンテンツのクラスタリングに適用することを試みる．また，実データを用いた実験により，単純なX-meanSよりも提案手法が効果的に酌作することを確認した．%We discuss the geographical clustering problem on human activity logs. In this paper, we formulate the problem as a segmentation problem for 2-dimensional sequence data, and propose two clustering methods, named LS-linHMM and X-linHMM. LS-linHMM is based on linear constrained HMMs which estimate the optimal number of clusters by model selection with an information criterion. X-linHMM is a hierarchical clustering method which is based on the idea of x-means and use 2-state linear constrained HMMs. It runs faster than LS-linHMM in many cases. In this time, we apply these clustering methods into the clustering problem for geo-tagged personal picture contents. Our experimental results using real data showed that the proposed methods are more effective in clustering than the simple x-means.