Time-series clustering : A decade review
2015-06-22
org.kosen.entty.User@5a676a47
정재윤(dodgerss)
분야
개최일
2015.10.01
신청자
정재윤(dodgerss)
개최장소
URL
첨부파일
행사&학회소개
1. Introduction
2. Representation methods for time series clustering
3. Similarity/dissimilarity measures in time-series clustering
4. Time-series cluster prototypes
5. Time-series clustering algorithms
6. Time-series clustering evaluation measures
7. Conclusion
2. Representation methods for time series clustering
3. Similarity/dissimilarity measures in time-series clustering
4. Time-series cluster prototypes
5. Time-series clustering algorithms
6. Time-series clustering evaluation measures
7. Conclusion
보고서작성신청
클러스터링(군집화)은 클래스에 관한 사전 정보가 없을 때 대규모 데이터를 분류하는 기법이다. 최근에 클라우드 컴퓨팅, 빅데이터와 같은 새로운 개념과 다양한 응용분야들이 등장하면서, 적절한 지식을 추출하기 위하여 클러스터링 알고리즘과 같은 비지도학습 솔루션에 관한 연구들이 점차 증가하고 있다. 시계열 데이터의 클러스터링은 데이터 분석자들이 복잡한 대량 데이터로부터 패턴을 발견하여 가치있는 정보를 추출하는 다양한 과학 분야에서 사용되고 있다. 본 자료는 시계열 데이터 분석에 초점을 맞추고 있는데, 그 응용분야는 생물학의 유전자 표현 데이터로부터 금융의 주식시장 분석에 이르기까지 널리 사용될 수 있다. 특히 시계열 클러스터링의 네 가지 구성요소를 살펴보고, 최근 10년 동안의 시계열 클러스터링 접근법들의 효율성, 품질, 복잡도를 개선하는 동향에 관해 설명한 뒤, 추후 연구에 관한 새 방향을 제시한다.