The GTM (Generative Topographic Mapping) algorithm was proposed as a probabilistic re-formulation of the self-organizing map (SOM). The GTM algorithm captures the structure of data by modeling the data distribution in terms of nonlinear transformation from latent variable space to data space, and which is used as a data visualization tool. The object of this paper is to visualize time series data using GTM. The standard GTM algorithm assumes that the data are independent and identically distributed samples. For time series, however, the i.i.d. assumption is a poor approximation. In this paper we propose the extension of the GTM to handle time series, which we call the GTM-ARHMM algorithm, by assuming that the time series is generated by an Auto-Regressive Hidden Markov Model (ARHMM).%近年，観測データを潜在変数の非線形変換を用いて表現することにより，観測データの本質的な構造を探るGTM（Generative Topographic Mapping）が提案され，データの可視化やクラスタリング等への応用が試みられている．GTMは，同様にデータの可視化等を目的とする自己組織化マップと比べ，確率論的にモデル化されている等の幾つかの有用な特性が示されている．しかしながら，GTMは，独立同一分布からの標本という仮定からそのアルゴリズムが構築されており，互いに相関を持つ時系列データに対してGTMを適用した場合，誤った結果を導きかねない．そこで本論文では，観測データの生成モデルとしてARHMM（Auto-Regressive Hidden Markov Model）を仮定するGTM，GTM-ARHMMの提案を行い，GTM，ARHMMを用いて時系列データの可視化を行う．
展开▼
