Amss:時系列データの効率的な類似度測定手法

摘要

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rn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rn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rn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 ShapernSimilarity（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rn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．rn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，rn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rn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rn上することを示す．