JP2017076359A - マルチセンサーデータ要約 - Google Patents
マルチセンサーデータ要約 Download PDFInfo
- Publication number
- JP2017076359A JP2017076359A JP2016047735A JP2016047735A JP2017076359A JP 2017076359 A JP2017076359 A JP 2017076359A JP 2016047735 A JP2016047735 A JP 2016047735A JP 2016047735 A JP2016047735 A JP 2016047735A JP 2017076359 A JP2017076359 A JP 2017076359A
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- sensors
- clusters
- rules
- sensor clusters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Television Signal Processing For Recording (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
【解決手段】複数のセンサーに関連付けられたセンサーデータから、複数のヒストグラムを算出する502。それぞれセンサーの各ヒストグラムをクラスタリングして第1の複数のセンサークラスターを取得し504、それらから複数のルールの第1のセットを抽出する506。第1の複数のセンサークラスターの中からの2つ以上のセンサークラスターを選択的に合併し、第2の複数のセンサークラスターを取得し508、それらから複数のルールの第2のセットを抽出する510。複数の相関性のあるセンサーのセットを、複数のセットの第2のルールに基づいて特定する512。複数の相関性のあるセンサーのセットから複数のルールの第3のセットを抽出する514。複数のルールの第3のセットは、マルチセンサーデータを要約し、複数の顕著な共起センサー動作を表す。
【選択図】図5
Description
本出願は、2015年10月17日にインド国へ出願されたインド国特許出願第3945/MUM/2015(発明の名称:マルチセンサーデータの要約)に基づく優先権を主張する。該インド国特許出願の開示内容の全てが、参照によりここに組み込まれる。
Ti={v(t):t(t)∈{1,2,...,m}}
すなわち、di≡{H1i,H2i,...,HNi}である。
ここで、複数のヒストグラムのそれぞれは、B次元ベクトルである。
Fcom={FCr1,FCr2,...,FCrp}
ここで、Crpは、複数の相関性のあるセンサーのセットであり、FCrpは、複数の相関性のあるセンサーのセットCrpから生成された複数の頻出項目(または複数の頻出パターン)のセットである。
Claims (15)
- マルチセンサーデータを要約するためのコンピューター実施方法であって、
複数のセンサーに関連付けられたセンサーデータから、複数のヒストグラムを算出する工程と、
前記複数のヒストグラムから、前記複数のセンサーのそれぞれの各ヒストグラムをクラスタリングし、前記各ヒストグラムの形状に基づいて、第1の複数のセンサークラスターを取得する工程と、
前記第1の複数のセンサークラスターに対し頻出パターンマイニングを実行し、前記複数のセンサーの複数のセンサーのセットに関連付けられた複数のルールの第1のセットを抽出する工程と、
前記第1の複数のセンサークラスターの中から、前記複数のセンサーのセットのセンサーに対応して選択された2つ以上のセンサークラスターを、前記2つ以上のセンサークラスターに関連付けられた前記複数のルールの第1のセットの中からの2つ以上のルール、および、前記センサーの前記2つ以上のセンサークラスター間の距離測度に基づいて選択的に合併し、第2の複数のセンサークラスターを取得する工程と、
前記第2の複数のセンサークラスターから、前記第2の複数のセンサークラスターに関連付けられた複数の特徴的センサー動作を示す複数のルールの第2のセットを抽出する工程と、
前記複数のルールの第2のセットに基づいて、前記第2の複数のセンサークラスターから、複数の相関性のあるセンサーの複数のセットを特定する工程と、
前記複数の相関性のあるセンサーの1つ以上のセットから、前記マルチセンサーデータを要約し、複数の顕著な共起センサー動作を表す複数のルールの第3のセットを抽出する工程と、を含み、
前記第1の複数のセンサークラスターのそれぞれのセンサークラスターは、前記複数のセンサーの特徴的センサーの特徴的センサー動作を表す重心ヒストグラムを含んでおり、
前記複数のルールの第1のセットのルールは、前記複数のセンサーの複数のセンサーのセットに関連付けられており、さらに、任意の時間間隔に渡って、前記第1の複数のセンサークラスター内において頻繁に現れる複数のセンサークラスターのセットを含むことを特徴とするコンピューター実施方法。 - 前記第1の複数のセンサークラスターのセンサークラスターに関連付けられた前記各ヒストグラムは、第1のしきい値距離測度によって境界付けられており、
前記第1のしきい値距離測度は、ユークリッド距離、アースムーバー距離、カルバック・ライブラー測度、バッタチャリア距離、マンハッタン距離、およびワッサースタイン計量の1つを含む請求項1に記載のコンピューター実施方法。 - 前記複数のルールの第2のセットは、頻出パターンマイニング技術を用いて抽出される請求項1に記載のコンピューター実施方法。
- 前記センサーの前記2つ以上のセンサークラスターを選択的に合併する工程は、同じ時間間隔の前記2つ以上のセンサークラスター内の前記複数のセンサーの1つ以上の他のセンサーの共起性の判別に基づいて、実行される請求項1に記載のコンピューター実施方法。
- 前記1つ以上の他のセンサーの前記共起性の前記判別は、
前記第1の複数のセンサークラスターおよび前記複数のルールの第1のセットを、第1のグラフの形式で表す工程と、
前記第1のグラフから、前記第2の複数のセンサークラスターを特定する工程と、を含み、
前記第1のグラフは、複数のノードと、該複数のノードを接続する複数のエッジとを含んでおり、
前記複数のノードは、前記第1の複数のセンサークラスターを表しており、
前記複数のエッジは、イントラクラスターエッジのセットと、内部クラスターエッジのセットと、を含んでおり、
前記内部クラスターエッジは、前記複数のルールの第1のセットのルールに関連付けられた複数のセンサークラスター間のエッジを含んでおり、
前記イントラクラスターエッジは、第2のしきい値距離測度よりも小さい前記複数のセンサークラスター間の前記距離測度を有するセンサーの複数のセンサークラスター間のエッジを含んでおり、
前記第2の複数のセンサークラスターのセンサークラスターは、前記第1のグラフのサブグラフから特定され、
前記サブグラフは、前記複数のセンサーのセットに関連付けられた前記2つ以上のセンサークラスターを含み、
前記サブグラフ内の前記複数のセンサーのセットのセンサーに関連付けられた前記2つ以上のセンサークラスターは、前記2つ以上のセンサークラスター間の前記イントラクラスターエッジの存在の判別に基づいて合併される請求項4に記載のコンピューター実施方法。 - 前記第2の複数のセンサークラスターに関連付けられた前記複数の相関性のあるセンサーの複数のセットを特定する工程は、
前記複数のルールの第2のセットおよび前記第2の複数のセンサークラスターを、第2のグラフの形式で表す工程と、
前記第2のグラフの1つ以上のサブグラフから、前記第2の複数のセンサークラスターに関連付けられた前記複数の相関性のあるセンサーの複数のセットを特定する工程と、を含み、
前記第2のグラフは、複数のノードと、該複数のノードを接続する複数のエッジとを含んでおり、
前記複数のノードは、前記第2の複数のセンサークラスターを表しており、
前記複数のエッジは、前記第2の複数のセンサークラスター間の内部クラスターエッジを含んでおり、
前記1つ以上のサブグループのそれぞれに関連付けられた複数のユニークセンサーは、前記複数の相関性のあるセンサーのセットを表している請求項1に記載のコンピューター実施方法。 - 前記複数のルールの第3のセットを抽出する工程は、
前記複数の相関性のあるセンサーの複数のセットのそれぞれに対し、頻出パターンマイニングを適用し、複数の頻出パターンのセットを取得する工程と、
前記複数の頻出パターン間の相互重複に基づいて、前記複数の頻出パターンのセットをクラスタリングし、前記複数のルールの第3のセットを取得する工程と、を含む請求項1に記載のコンピューター実施方法。 - マルチセンサーデータを要約するためのコンピューター実施システム200であって、
前記システム200は、
少なくとも1つのメモリー204と、
前記少なくとも1つのメモリー204に接続された少なくとも1つのプロセッサー202と、を含み、
前記少なくとも1つのプロセッサーは、前記少なくとも1つのメモリー204内に保存されている複数のプログラムされた命令を実行することにより、
複数のセンサーに関連付けられたセンサーデータから、複数のヒストグラムを算出する工程と、
前記複数のヒストグラムから、前記複数のセンサーのそれぞれの各ヒストグラムをクラスタリングし、前記各ヒストグラムの形状に基づいて、第1の複数のセンサークラスターを取得する工程と、
前記第1の複数のセンサークラスターに対し頻出パターンマイニングを実行し、前記複数のセンサーの複数のセンサーのセットに関連付けられた複数のルールの第1のセットを抽出する工程と、
前記第1の複数のセンサークラスターの中から、前記複数のセンサーのセットのセンサーに対応して選択された2つ以上のセンサークラスターを、前記2つ以上のセンサークラスターに関連付けられた前記複数のルールの第1のセットの中からの2つ以上のルール、および、前記センサーの前記2つ以上のセンサークラスター間の距離測度に基づいて選択的に合併し、第2の複数のセンサークラスターを取得する工程と、
前記第2の複数のセンサークラスターから、前記第2の複数のセンサークラスターに関連付けられた複数の特徴的センサー動作を示す複数のルールの第2のセットを抽出する工程と、
前記複数のルールの第2のセットに基づいて、前記第2の複数のセンサークラスターから、複数の相関性のあるセンサーの複数のセットを特定する工程と、
前記複数の相関性のあるセンサーの1つ以上のセットから、前記マルチセンサーデータを要約し、複数の顕著な共起センサー動作を表す複数のルールの第3のセットを抽出する工程と、を実行可能であり、
前記第1の複数のセンサークラスターのそれぞれのセンサークラスターは、前記複数のセンサーの特徴的センサーの特徴的センサー動作を表す重心ヒストグラムを含んでおり、
前記複数のルールの第1のセットのルールは、前記複数のセンサーの複数のセンサーのセットに関連付けられており、さらに、任意の時間間隔に渡って、前記第1の複数のセンサークラスター内において頻繁に現れる複数のセンサークラスターのセットを含むことを特徴とするコンピューター実施システム。 - 前記第1の複数のセンサークラスターのセンサークラスターに関連付けられた前記各ヒストグラムは、第1のしきい値距離測度によって境界付けられており、
前記第1のしきい値距離測度は、ユークリッド距離、アースムーバー距離、カルバック・ライブラー測度、バッタチャリア距離、マンハッタン距離、およびワッサースタイン計量のいずれか1つを含む請求項8に記載のコンピューター実施システム200。 - 前記少なくとも1つのプロセッサー202は、前記複数の命令によって、BIRCH(Balanced Iterative Reducing and Clustering using Hierarchies)クラスタリングモデルに基づいて、クラスタリングする工程を、さらに実行するよう構成されている請求項8に記載のコンピューター実施システム200。
- 前記少なくとも1つのプロセッサー202は、前記複数の命令によって、頻出パターンマイニング技術を用いて、前記複数のルールの第2のセットを抽出する工程を、さらに実行するように構成されている請求項8に記載のコンピューター実施システム200。
- 前記少なくとも1つのプロセッサー202は、前記複数の命令によって、同じ時間間隔の前記2つ以上のセンサークラスター内の前記複数のセンサーの1つ以上の他のセンサーの共起性の判別に基づいて、前記センサーの前記2つ以上のセンサークラスターを選択的に合併する工程を、さらに実行するよう構成されている請求項8に記載のコンピューター実施システム200。
- 前記1つ以上の他のセンサーの前記共起性を判別するため、前記少なくとも1つのプロセッサー202は、前記複数の命令によって、
前記第1の複数のセンサークラスターおよび前記複数のルールの第1のセットを、第1のグラフの形式で表す工程と、
前記第1のグラフから、前記第2の複数のセンサークラスターを特定する工程と、をさらに実行するよう構成されており、
前記第1のグラフは、複数のノードと、該複数のノードを接続する複数のエッジとを含んでおり、
前記複数のノードは、前記第1の複数のセンサークラスターを表しており、
前記複数のエッジは、イントラクラスターエッジのセットと、内部クラスターエッジのセットと、を含んでおり、
前記内部クラスターエッジは、前記複数のルールの第1のセットのルールに関連付けられた複数のセンサークラスター間のエッジを含んでおり、
前記イントラクラスターエッジは、第2のしきい値距離測度よりも小さい前記複数のセンサークラスター間の前記距離測度を有するセンサーの複数のセンサークラスター間のエッジを含んでおり、
前記第2の複数のセンサークラスターのセンサークラスターは、前記第1のグラフのサブグラフから特定され、
前記サブグラフは、前記複数のセンサーのセットに関連付けられた前記2つ以上のセンサークラスターを含み、
前記サブグラフ内の前記複数のセンサーのセットのセンサーに関連付けられた前記2つ以上のセンサークラスターは、前記2つ以上のセンサークラスター間の前記イントラクラスターエッジの存在の判別に基づいて合併される請求項12に記載のコンピューター実施システム200。 - 前記第2の複数のセンサークラスターに関連付けられた前記複数の相関性のあるセンサーの複数のセットを特定するため、前記少なくとも1つのプロセッサー202は、前記複数の命令によって、
前記複数のルールの第2のセットおよび前記第2の複数のセンサークラスターを、第2のグラフの形式で表す工程と、
前記第2のグラフの1つ以上のサブグラフから、前記第2の複数のセンサークラスターに関連付けられた前記複数の相関性のあるセンサーの複数のセットを特定する工程と、をさらに実行するよう構成されており、
前記第2のグラフは、複数のノードと、該複数のノードを接続する複数のエッジとを含んでおり、
前記複数のノードは、前記第2の複数のセンサークラスターを表しており、
前記複数のエッジは、前記第2の複数のセンサークラスター間の内部クラスターエッジを含んでおり、
前記1つ以上のサブグループのそれぞれに関連付けられた複数のユニークセンサーは、前記複数の相関性のあるセンサーのセットを表している請求項8に記載のコンピューター実施システム200。 - 前記複数のルールの第3のセットを抽出するために、前記少なくとも1つのプロセッサー202は、前記複数の命令によって、
前記複数の相関性のあるセンサーの複数のセットのそれぞれに対し、頻出パターンマイニングを適用し、複数の頻出パターンのセットを取得する工程と、
前記複数の頻出パターン間の相互重複に基づいて、前記複数の頻出パターンのセットをクラスタリングし、前記複数のルールの第3のセットを取得する工程と、をさらに実行するよう構成されている請求項8に記載のコンピューター実施システム200。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN3945MU2015 | 2015-10-17 | ||
IN3945/MUM/2015 | 2015-10-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017076359A true JP2017076359A (ja) | 2017-04-20 |
JP6219428B2 JP6219428B2 (ja) | 2017-10-25 |
Family
ID=55453051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016047735A Active JP6219428B2 (ja) | 2015-10-17 | 2016-03-11 | マルチセンサーデータ要約 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10332030B2 (ja) |
EP (1) | EP3157264B1 (ja) |
JP (1) | JP6219428B2 (ja) |
AU (1) | AU2016201330B2 (ja) |
BR (1) | BR102016005511B1 (ja) |
CA (1) | CA2923563C (ja) |
MX (1) | MX368053B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020149617A (ja) * | 2019-03-15 | 2020-09-17 | 学校法人慶應義塾 | 分子動力学データ解析装置及びプログラム |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105408898B (zh) * | 2013-03-15 | 2019-05-28 | 弗兰克公司 | 测量数据的自动记录和图形生成 |
US10380204B1 (en) | 2014-02-12 | 2019-08-13 | Pinterest, Inc. | Visual search |
US10506380B2 (en) * | 2016-12-22 | 2019-12-10 | Nokia Solutions And Networks Oy | User motion profiling based on user equipment cell location |
US10755198B2 (en) * | 2016-12-29 | 2020-08-25 | Intel Corporation | Data class analysis method and apparatus |
CN112543852B (zh) * | 2018-01-19 | 2022-08-12 | 罗伯特·博世有限公司 | 用于使用基于聚类的规则挖掘方法来优化结构的能量使用的系统和方法 |
US10929505B1 (en) * | 2018-03-19 | 2021-02-23 | EMC IP Holding Company LLC | Method and system for implementing histogram-based alarms in a production system |
JP7176385B2 (ja) * | 2018-12-06 | 2022-11-22 | 富士通株式会社 | 分析プログラム、分析方法および分析装置 |
US10887928B2 (en) | 2019-04-24 | 2021-01-05 | Here Global B.V. | Lane aware clusters for vehicle to vehicle communication |
US11693924B2 (en) * | 2019-06-06 | 2023-07-04 | Hitachi, Ltd. | System and method for maintenance recommendation in industrial networks |
CN113282645A (zh) * | 2021-07-23 | 2021-08-20 | 广东粤港澳大湾区硬科技创新研究院 | 一种卫星时序参数分析方法、系统、终端以及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008134750A (ja) * | 2006-11-28 | 2008-06-12 | Nippon Telegr & Teleph Corp <Ntt> | データ分類装置、データ分類方法およびデータ分類プログラムならびに記録媒体 |
US7715961B1 (en) * | 2004-04-28 | 2010-05-11 | Agnik, Llc | Onboard driver, vehicle and fleet data mining |
JP2014515844A (ja) * | 2011-03-04 | 2014-07-03 | クゥアルコム・インコーポレイテッド | コンテキスト類似度に基づいてクライアントデバイスをグループ化するための方法および装置 |
JP2014174943A (ja) * | 2013-03-13 | 2014-09-22 | Yahoo Japan Corp | 時系列データ解析装置、時系列データ解析方法、およびプログラム |
JP2015108990A (ja) * | 2013-12-05 | 2015-06-11 | 株式会社日立ソリューションズ | 異常検出装置及び異常検出方法 |
JP2015132939A (ja) * | 2014-01-10 | 2015-07-23 | 三菱電機株式会社 | データ処理装置及びデータ処理方法及びプログラム |
WO2015145626A1 (ja) * | 2014-03-26 | 2015-10-01 | 株式会社日立製作所 | 時系列データ管理方法及び時系列データ管理システム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7580912B2 (en) | 2001-06-12 | 2009-08-25 | Alcatel-Lucent Usa Inc. | Performance data mining based on real time analysis of sensor data |
US7143352B2 (en) * | 2002-11-01 | 2006-11-28 | Mitsubishi Electric Research Laboratories, Inc | Blind summarization of video content |
US7937167B1 (en) * | 2006-08-12 | 2011-05-03 | Hewlett-Packard Development Company L. P. | Methodology to program sensors into collaborative sensing groups |
WO2011145374A1 (ja) * | 2010-05-17 | 2011-11-24 | 株式会社日立製作所 | 計算機システム、及び、規則生成方法 |
JP5301717B1 (ja) | 2012-08-01 | 2013-09-25 | 株式会社日立パワーソリューションズ | 設備状態監視方法およびその装置 |
CN103344941B (zh) * | 2013-06-13 | 2015-08-12 | 北京空间飞行器总体设计部 | 基于无线传感器网络的实时目标检测方法 |
EP2916260A1 (en) * | 2014-03-06 | 2015-09-09 | Tata Consultancy Services Limited | Time series analytics |
-
2016
- 2016-02-29 EP EP16157835.6A patent/EP3157264B1/en active Active
- 2016-03-01 AU AU2016201330A patent/AU2016201330B2/en not_active Ceased
- 2016-03-02 US US15/058,837 patent/US10332030B2/en active Active
- 2016-03-09 MX MX2016003107A patent/MX368053B/es active IP Right Grant
- 2016-03-09 CA CA2923563A patent/CA2923563C/en active Active
- 2016-03-11 BR BR102016005511-3A patent/BR102016005511B1/pt not_active IP Right Cessation
- 2016-03-11 JP JP2016047735A patent/JP6219428B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7715961B1 (en) * | 2004-04-28 | 2010-05-11 | Agnik, Llc | Onboard driver, vehicle and fleet data mining |
JP2008134750A (ja) * | 2006-11-28 | 2008-06-12 | Nippon Telegr & Teleph Corp <Ntt> | データ分類装置、データ分類方法およびデータ分類プログラムならびに記録媒体 |
JP2014515844A (ja) * | 2011-03-04 | 2014-07-03 | クゥアルコム・インコーポレイテッド | コンテキスト類似度に基づいてクライアントデバイスをグループ化するための方法および装置 |
JP2014174943A (ja) * | 2013-03-13 | 2014-09-22 | Yahoo Japan Corp | 時系列データ解析装置、時系列データ解析方法、およびプログラム |
JP2015108990A (ja) * | 2013-12-05 | 2015-06-11 | 株式会社日立ソリューションズ | 異常検出装置及び異常検出方法 |
JP2015132939A (ja) * | 2014-01-10 | 2015-07-23 | 三菱電機株式会社 | データ処理装置及びデータ処理方法及びプログラム |
WO2015145626A1 (ja) * | 2014-03-26 | 2015-10-01 | 株式会社日立製作所 | 時系列データ管理方法及び時系列データ管理システム |
Non-Patent Citations (4)
Title |
---|
櫻井 茂明: "多様なデータに対する系列パターンマイニングの適用", 人工知能学会誌, vol. 第27巻,第2号, JPN6017033807, 1 March 2012 (2012-03-01), JP, pages 128 - 135, ISSN: 0003635641 * |
福井 健一、外1名: "事象系列データからの共起性マイニング −燃料電池の損傷間および地震間の相互作用抽出−", 人工知能, vol. 第30巻,第2号, JPN6017033804, 1 March 2015 (2015-03-01), JP, pages 238 - 246, ISSN: 0003635640 * |
羽室 行信、外1名: "ネットワーク構造を対象とした特徴量抽出とその応用", 経営の科学 オペレーションズ・リサーチ, vol. 第60巻,第8号, JPN6017033810, 1 August 2015 (2015-08-01), JP, pages 468 - 474, ISSN: 0003635642 * |
鈴木 英之進: "データスカッシング−逆転の発想によるスケールダウン戦略−", 情報処理, vol. 第46巻,第1号, JPN6017033813, 15 January 2005 (2005-01-15), JP, pages 12 - 19, ISSN: 0003635643 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020149617A (ja) * | 2019-03-15 | 2020-09-17 | 学校法人慶應義塾 | 分子動力学データ解析装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US10332030B2 (en) | 2019-06-25 |
AU2016201330A1 (en) | 2017-05-04 |
MX2016003107A (es) | 2017-04-17 |
BR102016005511A2 (pt) | 2017-05-30 |
CA2923563C (en) | 2020-04-21 |
JP6219428B2 (ja) | 2017-10-25 |
BR102016005511B1 (pt) | 2021-04-13 |
AU2016201330B2 (en) | 2018-05-10 |
MX368053B (es) | 2019-09-18 |
EP3157264B1 (en) | 2019-02-20 |
US20170109653A1 (en) | 2017-04-20 |
CA2923563A1 (en) | 2017-04-17 |
EP3157264A1 (en) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6219428B2 (ja) | マルチセンサーデータ要約 | |
Amer et al. | A dynamic Windows malware detection and prediction method based on contextual understanding of API call sequence | |
Suominen et al. | Firms' knowledge profiles: Mapping patent data with unsupervised learning | |
Bedi et al. | Community detection in social networks | |
US10621027B2 (en) | IT system fault analysis technique based on configuration management database | |
Moosavi et al. | Community detection in social networks using user frequent pattern mining | |
EP3918472B1 (en) | Techniques to detect fusible operators with machine learning | |
Pan et al. | Clustering of designers based on building information modeling event logs | |
Ma et al. | Decomposition-based multiobjective evolutionary algorithm for community detection in dynamic social networks | |
Khan | An exhaustive review on state-of-the-art techniques for anomaly detection on attributed networks | |
Bharti et al. | Clustering‐based resource discovery on Internet‐of‐Things | |
Aqra et al. | A novel association rule mining approach using TID intermediate itemset | |
Kohyarnejadfard et al. | A framework for detecting system performance anomalies using tracing data analysis | |
US10346450B2 (en) | Automatic datacenter state summarization | |
Liu et al. | Functions-based CFG embedding for malware homology analysis | |
US20220284340A1 (en) | Determining digital personas utilizing data-driven analytics | |
Murugappan et al. | PCFA: mining of projected clusters in high dimensional data using modified FCM algorithm | |
Cui et al. | A new technique for influence maximization on social networks using a moth-flame optimization algorithm | |
Tseng et al. | A novel complex-events analytical system using episode pattern mining techniques | |
Barrera et al. | An extension of iStar for Machine Learning requirements by following the PRISE methodology | |
Amrou M'hand et al. | FuSTM: ProM plugin for fuzzy similar tasks mining based on entropy measure | |
Wankhade et al. | A Detailed Analysis on Windows Event Log Viewer for Faster Root Cause Detection of Defect using Different Graph Plotting Method | |
Gill et al. | ProvFL: Client-Driven Interpretability of Global Model Predictions in Federated Learning | |
Li et al. | Behavior based social dimensions extraction for multi-label classification | |
Gupta et al. | Performance Analysis of Software Quality using Data Mining Techniques. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170816 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170927 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6219428 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |