遺伝的プログラミングによる時系列モデルの集合的近似とクラスタリングへの応用

摘要

本論文では，遺伝的プログラミング（Genetic Programming：GP）の方法を用いて時系列の特徴（生成モデル）を集合として近似?記述する方法を提案し，これを時系列データの分類（クラスタリング）に応用する．具体的には，時系列データを用いて，GP手法により時系列が生成される関数の形（非線形モデル）を近似する方法であり，クラスタリングの方法が簡略化できる可能性がある．GPにより近似度が改善された時系列モデルを用いてクラスタリングを実施する場合において，適合度が相対的に高い個体がプールに残されていることを積極的に利用する．すなわち，時系列に含まれるノイズや，時間軸の伸長縮小の影響により，同じクラスタに属する時系列集合に対しても一つの非線形モデルでは認識できない可能性があるので，複数の近似度の良好な個体による推定を同時に実施し，最終的な分類確定に用いている．応用例として，人工的に生成された時系列に対して時間軸の伸長縮小及びノイズの重畳を実施した時系列のクラスタリング，及び実際の株価セグメントの分類を示す．