myxiaojin.cn

이 이메일 도메인이 관측된 논문 1건

arXiv:2606.12077v1cs.LG

멀티스케일 리저버 역학과 그래뉼러 볼 앵커 그래프 최적화를 이용한 효율적인 시계열 클러스터링

Efficient Time Series Clustering from Multiscale Reservoir Dynamics with Granular-Ball Anchoring Graph Optimization

시계열 클러스터링은 클러스터링 유효성과 계산 효율성 사이의 본질적인 상충 관계로 인해 여전히 어려운 문제로 남아 있습니다. 유사도 기반 방법은 쌍별 거리 계산으로 인한 이차 복잡도 문제를 겪는 반면, 심층 학습 기반 접근법은 일반적으로 비용이 많이 드는 반복 학습과 다수의 학습 가능한 파라미터에 의존합니다. 본 논문에서는 MSRGC-Net, 즉 멀티스케일 리저버 컴퓨팅, 그래뉼러 볼 기반 앵커 그래프 구성, 그리고 컨센서스 학습을 통합하는 효율적인 시계열 클러스터링 프레임워크를 제안합니다. MSRGC-Net은 역전파 없이 원본 시계열에서 멀티스케일 시간 표현을 추출하기 위해 학습 불필요(training-free) 리저버 컴퓨팅 패러다임을 채택하여, 계산 오버헤드를 크게 줄입니다. 결과 표현의 내재 구조를 포착하기 위해, 그래뉼러 볼 컴퓨팅을 사용하여 밀도 일치 영역을 통해 데이터 분포를 적응적으로 모델링함으로써, 컴팩트하고 견고한 앵커 그래프 표현을 생성합니다. 또한, 멀티스케일 리저버 표현을 효과적으로 정렬하고 시간 스케일 간의 상보적 정보를 통합하기 위해 컨센서스 기반 앵커 그래프 최적화 전략을 도입합니다. 널리 사용되는 단변량 및 다변량 벤치마크 데이터셋에 대한 광범위한 실험을 통해, MSRGC-Net이 우수한 계산 효율성을 유지하면서도 클러스터링 성능 면에서 최신 기법(state-of-the-art)을 일관되게 능가함을 입증합니다.