文献

J-GLOBAL ID：201802272084508386   整理番号：18A1930353

画像再サンプリングに基づく改良型密度ベース時系列クラスタリング法:表面変形パターン解析の事例研究【JST・京大機械翻訳】

An Improved Density-Based Time Series Clustering Method Based on Image Resampling: A Case Study of Surface Deformation Pattern Analysis

著者 (8件)： Liu Yaolin (School of Resource and Environment Science, Wuhan University, 129 Luoyu Road, Wuhan 430079, China) ,  Liu Yaolin (Key Laboratory of Geographic Information System, Ministry of Education, Wuhan University, 129 Luoyu Road, Wuhan 430079, China) ,  Liu Yaolin (Collaborative Innovation Center of Geospatial information technology, Wuhan University, 129 Luoyu Road, Wuhan 430079, China) ,  Wang Xiaomi (School of Resource and Environment Science, Wuhan University, 129 Luoyu Road, Wuhan 430079, China) ,  Liu Qiliang (Department of Geo-informatics, Central South University, Changsha 410012, China) ,  Chen Yiyun (School of Resource and Environment Science, Wuhan University, 129 Luoyu Road, Wuhan 430079, China) ,  Chen Yiyun (Department of Geo-informatics, Central South University, Changsha 410012, China) ,  Liu Leilei (Department of Geo-informatics, Central South University, Changsha 410012, China)
資料名： ISPRS International Journal of Geo-Information (Web)  (ISPRS International Journal of Geo-Information (Web))
巻： 6  号： 4  ページ： 118  発行年： 2017年 
JST資料番号： U7212A  ISSN： 2220-9964  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 時系列クラスタリングアルゴリズムは,実際の現象のクラスタリング分布特性をマイニングするために広く使用されてきた。しかしながら,これらのアルゴリズムはいくつかの限界を持っている最初に,それらは事前知識に大きく依存する。第二に,アルゴリズムは,空間位置,空間時間属性値,および空間的時間属性傾向(変化方向に関する傾向と時間に関する範囲の範囲における傾向)の類似性を同時に考慮しない。それはすべて重要な類似性測定である。最後に,画像時系列データのデータ量が増加しているので,クラスタリング解析のためのこれらの方法に基づく計算コストはますます計算的に要求されている。これらの欠点の観点から,画像再サンプリング(DBTSC-IR)に基づく改良密度ベース時系列クラスタリング法を本論文で提案した。提案したDBTSC-IRは2つの主要部分を持つ。最初の部分では,画像時系列データの最適再サンプリングスケールを,新しいスケール最適化関数を用いてデータ量を低減するために最初に決定した。第二の部分では,空間位置,空間時間属性値,および空間時間属性傾向を考慮することにより,クラスタ化シーケンスを制御するために密度指標を導入することにより,従来の密度ベース時系列クラスタリングアルゴリズムを改善した。次に,最終クラスタリング解析を,改良アルゴリズムを用いて,再サンプリング画像時系列データ上で直接実行した。最後に,提案したDBTSC-IRの有効性を,シミュレーションデータセットと実際の応用の両方で実験により説明した。提案した方法は,雑音の影響を考慮して,任意形状の画像時系列データにより空間パターンを効果的かつ適応的に認識することができる。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 類似性 ,  *クラスタ化 ,  最適化 ,  *事例研究 ,  シミュレーション ,  *画像 ,  アルゴリズム ,  雑音
準シソーラス用語： 空間パターン ,  計算コスト ,  時系列画像 ,  事前知識 ,  クラスタリングアルゴリズム ,  *パターン解析 ,  *リサンプリング , 【Automatic Indexing@JST】

著者キーワード (5件)： 時系列クラスタリング ,  時系列再サンプリング ,  密度に基づくクラスタリング ,  空間データマイニング ,  表面変形パターン

分類 (3件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  図形・画像処理一般  (JE04010I)

引用文献 (34件)：

• Guyet, T.; Nicolas, H. Long term analysis of time series of satellite images. Pattern Recognit. Lett. 2016, 70, 17-23.
• Bidari, P.S.; Manshaei, R.; Lohrasebi, T.; Feizi, A.; Malboobi, M.A.; Alirezaie, J. Time series gene expression data clustering and pattern extraction in arabidopsis thaliana phosphatase-encoding genes. In Proceedings of the 2008 8th IEEE International Conference on BioInformatics and BioEngineering (BIBE 2008), Athens, Greece, 8-10 October 2008; pp. 1-6.
• Kaur, G.; Dhar, J.; Guha, R.K. Minimal variability owa operator combining anfis and fuzzy c-means for forecasting bse index. Math. Comput. Simul. 2016, 122, 69-80.
• Krishna, K.; Narasimha Murty, M. Genetic k-means algorithm. IEEE Trans. Syst. Man Cybern. B Cybern. 1999, 29, 433-439.
• Möller-Levet, C.S.; Klawonn, F.; Cho, K.H.; Wolkenhauer, O. Fuzzy Clustering of Short Time-Series and Unevenly Distributed Sampling Points; Springer: Berlin/Heidelberg, Germany, 2003; pp. 330-340.

タイトルに関連する用語 (7件)： 再サンプリング ,  密度 ,  時系列 ,  クラスタリング法 ,  表面変形 ,  パターン解析 ,  研究