[論文レビュー] Multivariate and 2D Extensions of Singular Spectrum Analysis with the Rssa Package

Nina Golyandina, Anton Korobeynikov+2 more|arXiv (Cornell University)|Sep 19, 2013

Statistical and numerical algorithms参考文献 39被引用数 68

ひとこと要約

本稿では、特異スペクトル分析（SSA）の多次元および2次元拡張であるRssaパッケージの実装を提示し、非長方形の画像解析に適した形状2次元SSA（ShSSA）を導入する。高速フーリエ変換（FFT）を用いた効率的なハーケル行列演算を活用し、MSSA、2D-SSA、ShSSAを統合したフレームワークを提供する。時間系列および画像における分解、予測、信号再構成を実証するRコード例を含む。

ABSTRACT

Implementation of multivariate and 2D extensions of Singular Spectrum Analysis (SSA) by means of the R-package Rssa is considered. The extensions include MSSA for simultaneous analysis and forecasting of several time series and 2D-SSA for analysis of digital images. A new extension of 2D-SSA analysis called Shaped 2D-SSA is introduced for analysis of images of arbitrary shape, not necessary rectangular. It is shown that implementation of Shaped 2D-SSA can serve as a base for implementation of MSSA and other generalizations. Efficient implementation of operations with Hankel and Hankel-block-Hankel matrices through FFT is suggested. Examples with code fragments in R, which explain the methodology and demonstrate the proper use of Rssa, are presented.

研究の動機と目的

• 多次元および多次元SSAへの応用を想定したRssaパッケージの包括的ガイドを提供すること。
• 長方形以外の形状の画像、たとえば円形や不規則な形状の配列を含む、非長方形画像の解析を可能にする一般化された形状2次元SSA（ShSSA）を導入すること。
• 高速フーリエ変換（FFT）を用いたハーケル行列およびハーケル・ブロック・ハーケル行列の効率的実装により、計算性能を向上させる。
• MSSA、2D-SSA、ShSSAの理論的およびアルゴリズム的枠組みを、特別な埋め込み演算子を用いた共通のSSAスキームに統合すること。
• 時間系列および画像処理における分解、予測、可視化のワークフローを実証する詳細なRコード例を通じて、実用的応用を支援すること。

提案手法

• 多次元時系列（MSSA）、2次元配列（2D-SSA）、任意形状配列（ShSSA）に適応する一般SSAフレームワーク（軌道行列構築、SVD、グループ化、再構成）を適用する。
• ウィンドウベースの埋め込みを用いて、入力データからハーケル、スタックドハーケル、または準ハーケル構造を持つ軌道行列を生成する。
• 軌道行列に対する特異値分解（SVD）を実行し、主成分および信号部分空間を抽出する。
• 高速フーリエ変換（FFT）を用いて、ハーケル行列およびブロック・ハーケル行列のSVDおよび行列演算を効率化し、大規模行列の計算を高速化する。
• グループ化された行列から時系列または画像成分を再構成するための高速1ランクハーケル化アルゴリズムを開発する。
• 疑似逆行列（P†P）から導かれるシフト行列を用いた部分空間ベースの予測により、ベクトルおよび行の予測を実装し、低ランク更新を伴う再帰的予測を可能にする。

実験結果

リサーチクエスチョン

• RQ1 特異スペクトル分析（SSA）は、どのようにして多次元時系列および2次元画像データを統合的な計算フレームワーク内で処理できるか？
• RQ2 埋め込み演算子は、多次元時系列や非長方形画像といった異なるデータタイプにSSAを適応させるために果たす役割は何か？
• RQ3 形状2次元SSA（ShSSA）手法は、長方形グリッドを超えた任意形状の画像の解析をどのように可能にするか？
• RQ4 特にFFTを用いた計算最適化により、多次元SSAにおけるSVDおよび再構成ステップの性能向上にどのような効果があるか？
• RQ5 ShSSAフレームワークは、MSSA や 2D-SSA といった他のSSA拡張の基盤実装として、どの程度の汎用性を有するか？

主な発見

• 形状2次元SSA（ShSSA）は、軌道行列構築の一般化により、円形や不規則な形状の配列を含む非長方形形状の画像の効果的分解と解析を可能にする。
• ShSSAの実装はMSSAおよび2D-SSAの統合的基盤を提供し、すべての多次元SSA拡張が、単一の一般化アルゴリズムの特別なケースとして見なせることを示している。
• FFTを用いたハーケルおよびハーケル・ブロック・ハーケル行列の効率的計算により、SVDおよび再構成の計算複雑度が低減され、大規模データセットにおける性能が顕著に向上する。
• 疑似逆行列に基づくシフト行列（P†P）を用いた高速ベクトルおよび行予測アルゴリズムは、1ステップあたりO(r²)の演算で高速な再帰的予測を実現し、rは信号部分空間次元である。
• Rssaパッケージは、すべてのSSA拡張にわたる一貫性があり、高レベルのインターフェースを提供しており、データ入力から分解、予測、可視化までのワークフローを実証するRコード例が含まれる。
• 高速予測アルゴリズムの理論的正しさは、標準的な射影ベース予測と等価であることを示すことで証明されており、信頼性の高い正確な予測が保証される。