[論文レビュー] Clustering Time Series Data Stream - A Literature Survey

V. Kavitha, M. Punithavalli|arXiv (Cornell University)|May 24, 2010

Time Series Analysis and Forecasting参考文献 9被引用数 74

ひとこと要約

本文献調査は、時系列データストリーム向けの既存のクラスタリング手法を統合し、その強み、限界、および分野別の適用可能性を分析している。スケーラビリティ、時系列順序の取り扱い、外れ値への耐性に基づいてアルゴリズムを評価し、リアルタイム時系列クラスタリングにおける今後の研究の基盤を提供するとともに、データマイニング応用における実用的知見を提示している。

ABSTRACT

Mining Time Series data has a tremendous growth of interest in today's world. To provide an indication various implementations are studied and summarized to identify the different problems in existing applications. Clustering time series is a trouble that has applications in an extensive assortment of fields and has recently attracted a large amount of research. Time series data are frequently large and may contain outliers. In addition, time series are a special type of data set where elements have a temporal ordering. Therefore clustering of such data stream is an important issue in the data mining process. Numerous techniques and clustering algorithms have been proposed earlier to assist clustering of time series data streams. The clustering algorithms and its effectiveness on various applications are compared to develop a new method to solve the existing problem. This paper presents a survey on various clustering algorithms available for time series datasets. Moreover, the distinctiveness and restriction of previous research are discussed and several achievable topics for future study are recognized. Furthermore the areas that utilize time series clustering are also summarized.

研究の動機と目的

• 時系列データストリーム向けに設計された既存のクラスタリングアルゴリズムを体系的かつ分類的にレビューすること。
• 時系列データのクラスタリングにおける主な課題、特に時系列順序、スケーラビリティ、外れ値感受性を特定すること。
• ファイナンス、健康モニタリング、センサーネットワークなどの多様な応用分野におけるさまざまなアルゴリズムの有効性を比較すること。
• 現在の研究におけるギャップを特定し、時系列クラスタリング分野における今後の研究に向けた実行可能なテーマを提案すること。

提案手法

• 2010年までに発表された時系列クラスタリングに関する査読付き文献および技術報告書を調査すること。
• アプローチ別にアルゴリズムを分類：パーティショニング、階層的、モデルベース、密度ベースのクラスタリング。
• 距離測定法（例：DTW、ユークリッド距離）、ウィンドウ処理技術、ストリーミングデータ向けのインクリメンタル処理などのアルゴリズム的要素を分析すること。
• 時間計算量、メモリ使用量、時系列順序データにおける正確性の観点から各手法の性能を評価すること。
• 既存実装の比較分析を通じて、ノイズおよび外れ値に対する耐性を評価すること。
• 研究結果を統合し、特定のストリーミング時系列ワークロードに適合したクラスタリング手法の選定または設計を支援する構造的フレームワークを構築すること。

実験結果

リサーチクエスチョン

• RQ1 時系列順序とデータ量の両方が原因で、時系列データストリームのクラスタリングに生じる主な課題は何ですか？
• RQ2 異なるクラスタリングアルゴリズムは、スケーラビリティ、正確性、リアルタイムデータへの適応性の観点で、どのように性能を発揮しますか？
• RQ3 既存の時系列クラスタリング手法がノイズおよび外れ値を処理するうえで抱える制限は何ですか？
• RQ4 どの応用分野が時系列クラスタリングによって最も恩恵を受けており、それらはアルゴリズム設計にどのような要件を課しますか？
• RQ5 今後のアルゴリズム開発を導くために、時系列クラスタリング分野で残されている研究ギャップは何ですか？

主な発見

• 時系列クラスタリングは、内在する時系列順序と高容量のストリーミングデータの両方が原因で特に困難である。
• 動的時系列適合（DTW）およびその変種は、類似度測定に広く用いられているが、計算コストが非常に高い。
• インクリメンタル処理およびスライディングウィンドウベースのアプローチは、バッチ処理と比較してリアルタイム処理におけるスケーラビリティに優れている。
• 外れ値検出および耐性の確保は、大多数の既存アルゴリズムにおいて依然として重要な限界である。
• 単一のアルゴリズムがすべての指標で優れていることはなく、速度、正確性、メモリ使用量の間には明確なトレードオフが存在する。
• 今後の研究は、特に分散処理および高速度ストリーミングデータに対応するハイブリッドモデルの開発に注力すべきである。