[논문 리뷰] Time series clustering based on the characterisation of segment typologies

David Guijo-Rubio, Antonio M. Durán-Rosal외 3명|arXiv (Cornell University)|2018. 10. 27.

Time Series Analysis and Forecasting인용 수 5

한 줄 요약

이 논문은 각 시계열을 가변 길이의 다항식 적합 세그먼트로 분할하고, 통계적 특징을 추출한 후 세그먼트를 계층적으로 군집화한 후, 세그먼트 군집 중심을 기반으로 각 시계열을 압축된 특징 벡터로 매핑하는 이단계 시계열 군집화 방법인 TS3C을 제안한다. 이 방법은 84개의 UCR 데이터셋에서 군집 정확도와 효율성 면에서 최신 기법들을 능가하며, 내부 검증 기준을 활용한 자동 매개변수 조정을 통해 통계적으로 유의미한 향상을 보였다.

ABSTRACT

Time series clustering is the process of grouping time series with respect to their similarity or characteristics. Previous approaches usually combine a specific distance measure for time series and a standard clustering method. However, these approaches do not take the similarity of the different subsequences of each time series into account, which can be used to better compare the time series objects of the dataset. In this paper, we propose a novel technique of time series clustering based on two clustering stages. In a first step, a least squares polynomial segmentation procedure is applied to each time series, which is based on a growing window technique that returns different-length segments. Then, all the segments are projected into same dimensional space, based on the coefficients of the model that approximates the segment and a set of statistical features. After mapping, a first hierarchical clustering phase is applied to all mapped segments, returning groups of segments for each time series. These clusters are used to represent all time series in the same dimensional space, after defining another specific mapping process. In a second and final clustering stage, all the time series objects are grouped. We consider internal clustering quality to automatically adjust the main parameter of the algorithm, which is an error threshold for the segmenta- tion. The results obtained on 84 datasets from the UCR Time Series Classification Archive have been compared against two state-of-the-art methods, showing that the performance of this methodology is very promising.

연구 동기 및 목표

• 기존 시계열 군집화 방법이 내부 시계열 세그먼트 유사성 무시하는 한계를 해결하기 위해.
• 분할 및 특징 추출을 통해 개별 시계열 내 유형 패턴을 활용하여 군집 품질을 향상시키기 위해.
• 도메인 독립적이고 매개변수 조정이 가능한 방법을 개발하여, 시계열을 군집 기반 표현으로 요약함으로써 최종 군집화의 계산 비용을 감소시키기 위해.
• 지식 없는 레이블 없이도 내부 군집 검증 기준을 활용해 분할 오차 임계값을 자동으로 조정하여 안정적인 성능을 확보하기 위해.

제안 방법

• growing window 기법을 사용한 최소 제곱 다항식 분할을 적용하여 각 시계열을 가변 길이의 세그먼트로 분할한다.
• 각 세그먼트에서 다항식 계수, 분산, 왜도, 자기상관도 등의 통계적 특징을 추출하여 고정 차원의 특징 벡터를 구성한다.
• 분할된 특징에 대해 계층 군집화를 수행하여 각 시계열 내 유사한 세그먼트 유형을 그룹화한다.
• 각 시계열을 군집 중심, 세그먼트 분산, 평균 제곱 오차(MSE) 차이, 세그먼트 수로 구성된 벡터로 표현한다.
• 내부 군집 검증(수정된 랜드 지수)을 사용하여 최적의 분할 오차 임계값을 자동으로 선택한다.
• 기본 군집 알고리즘을 사용하여 매핑된 시계열 표현에 대해 최종 군집화 단계를 적용한다.

실험 결과

연구 질문

• RQ1 표준 거리 기반 방법과 비교해 세그먼트 유형 특성화가 시계열 군집 성능 향상에 기여하는가?
• RQ2 내부 시계열 세그먼트 유사성의 활용이 군집 정확도와 계산 효율성에 어떤 영향을 미치는가?
• RQ3 지식 없는 레이블 없이도 내부 군집 검증이 분할 오차 임계값을 효과적으로 조정할 수 있는가?
• RQ4 이중단계 접근 방식은 원시 시계열 처리 대비 최종 군집화 비용을 줄이는가?
• RQ5 TS3C는 $DD_{DTW}$-HC 및 KSC와 같은 최신 기법들과 정확도와 런타임 측면에서 어떻게 비교되는가?

주요 결과

• TS3C는 $DD_{DTW}$-HC보다 유의미하게 높은 군집 정확도를 보이며, α=0.05 기준 TS3C CH와 TS3C MV의 통계적 유의성 p값은 각각 0.016과 0.013이다.
• TS3C MV는 α=0.10 기준 KSC보다 통계적으로 더 나은 성능을 보이며, p값 0.057로 더 높은 안정성을 나타낸다.
• TS3C는 $DD_{DTW}$-HC보다 유의미하게 더 효율적이며, $DD_{DTW}$-HC를 포함한 모든 비교에서 p값이 0.000이다.
• 최종 군집화 단계의 계산 비용은 원래 시계열 길이와 무관하며, 각 시계열을 표현하는 데 사용된 군집 수에만 의존한다.
• 내부 검증을 활용한 매개변수 조정은 다양한 UCR 데이터셋에서 안정적이고 일관된 성능을 이끌어내며.
• 윌코신 부호 순위 검정 결과, TS3C는 $DD_{DTW}$-HC보다 더 정확하고 효율적이며, 런타임 측면에선 KSC와 유사하며, α=0.05 기준 TS3C와 KSC 간 정확도에 유의미한 차이는 없음을 확인했다.