[論文レビュー] Finding Anomalous Periodic Time Series: An Application to Catalogs of Periodic Variable Stars

Umaa Rebbapragada, Pavlos Protopapas+2 more|ArXiv.org|May 21, 2009

Time Series Analysis and Forecasting参考文献 40被引用数 63

ひとこと要約

本稿では、可変星の光曲線など、大規模で非同期な周期的時系列データに対する非教師付き異常検出手法であるPCADを提案する。サンプルデータに対して修正済みk-meansクラスタリングを適用して代表的な重心を生成し、それらの重心からの距離に基づいて異常スコアを算出することで、グローバルおよびローカル両方の異常を高精度でスケーラブルに検出可能である。実宇宙物理学データにおいて高い精度を示した。

ABSTRACT

Catalogs of periodic variable stars contain large numbers of periodic light-curves (photometric time series data from the astrophysics domain). Separating anomalous objects from well-known classes is an important step towards the discovery of new classes of astronomical objects. Most anomaly detection methods for time series data assume either a single continuous time series or a set of time series whose periods are aligned. Light-curve data precludes the use of these methods as the periods of any given pair of light-curves may be out of sync. One may use an existing anomaly detection method if, prior to similarity calculation, one performs the costly act of aligning two light-curves, an operation that scales poorly to massive data sets. This paper presents PCAD, an unsupervised anomaly detection method for large sets of unsynchronized periodic time-series data, that outputs a ranked list of both global and local anomalies. It calculates its anomaly score for each light-curve in relation to a set of centroids produced by a modified k-means clustering algorithm. Our method is able to scale to large data sets through the use of sampling. We validate our method on both light-curve data and other time series data sets. We demonstrate its effectiveness at finding known anomalies, and discuss the effect of sample size and number of centroids on our results. We compare our method to naive solutions and existing time series anomaly detection methods for unphased data, and show that PCAD's reported anomalies are comparable to or better than all other methods. Finally, astrophysicists on our team have verified that PCAD finds true anomalies that might be indicative of novel astrophysical phenomena.

研究の動機と目的

• 可変星の光曲線からなる大規模な非同期な周期的時系列データにおいて、従来の時系列解析手法が位相のずれによって失敗するという課題に対処すること。
• 類似度計算の前処理として高コストな時系列の同期処理を要する従来の異常検出手法のスケーラビリティの制限を克服すること。
• 同期されていない位相を前提とし、大規模で高次元かつノイズの多い時系列データからグローバルおよびローカル両方の異常を同定する手法を開発すること。
• 特徴が著しく異なる光曲線を特定することで、新たな可変星のクラスを示す可能性のある新しい天体物理学的現象の自動発見を可能にすること。
• 実天文データを用いた検証を通じて、本手法の有効性を示し、ベースラインおよび既存の時系列異常検出手法に対する優位性を示すこと。

提案手法

• ランダムに抽出した光曲線のサブセットに対して、修正済みk-meansクラスタリングを適用し、異常スコアの基準となる代表的重心を生成する。
• 各光曲線の異常スコアを、最も近い重心からの距離（相関に基づく距離尺度を用いて）として算出し、グローバルおよびローカル両方の異常を検出可能にする。
• スケーリングのためのサンプリングを活用することで、大規模データセットへの適用を可能とし、大規模な展開において線形時間計算量を達成する。
• 光曲線を1周期に折りたため、最大値を統一位相に合わせて正規化することで前処理を行い、一貫した表現を確保するとともに、光曲線間の元の位相差を保持する。
• 位相シフトを考慮した相関に基づく距離尺度を採用することで、周期が一致しない光曲線間の比較が可能になる。
• 重心からの距離に基づいて異常をランク付けし、今後の天体物理学的調査のための疑わしい光曲線の順序付きリストを出力する。

実験結果

リサーチクエスチョン

• RQ1 位相同期を要しない大規模で非同期なデータセットにおいて、非教師付き異常検出手法が特徴が著しく異なる周期的光曲線を効果的に同定できるか。
• RQ2 PCADの性能は、位相なしデータにおいて、ナイーブおよび既存の時系列異常検出手法と比較して、異常検出の正確性とスケーラビリティの面で優れているか。
• RQ3 PCADは、実際の可変星カタログにおいて、既知の異常および新たな天体物理学的現象をどれだけ検出できるか。
• RQ4 サンプルサイズおよび重心数が、PCADにおける異常検出の安定性と正確性に与える影響はどの程度か。
• RQ5 PCADの出力はドメインスペシャリストによって検証可能であり、マークされた異常は物理的に意味のあるずれを示しているか。

主な発見

• PCADは、誤分類された星、ノイズの強い光曲線、長期間にわたる平坦な部分や周期的なスパイクを示す異常な特徴を持つ光曲線など、既知の異常を効果的に同定した。
• 位相なしデータにおいて、ナイーブおよび既存の時系列異常検出手法を上回る性能を示し、報告された異常は他の手法と同等またはそれ以上の品質であった。
• 天体物理学者による検証で、PCADが真の異常を正しく特定していることが確認された。特に、ノイズによるものではない定期的なスパイクを示すセフェイド型星が検出され、新たな物理的プロセスの可能性が示唆された。
• 上位の異常の中には、楕円軌道、第三天体効果、または反射現象を示す光曲線が複数存在し、天体物理学的に有意義なずれを示している。
• サンプリングを活用したスケーリングにより、大規模データセットの効率的処理が可能であり、パノラマ・スターリングス（Pan-STARRS）のような調査から何十億もの光曲線を処理できる可能性を示した。
• セフェイド、日食連星、RR Lyraeのデータセットにおける上位異常には、誤分類された星、高ノイズ観測、および今後の研究に値する希少な形態的特徴を示すものも含まれていた。