스펙트럼 분석을 이용한 시계열 자료의 패턴 분류

Pattern Classification of Time-series Data using Spectrum Analysis

시간의 흐름에 따라 관찰되는 시계열 자료는 자료가 가지고 있는 본질적인 자기상관성에 의하여 일반적인 다변량 자료분석에 의한 분류기법을 이용할 수 없다. 본 논문에서는 시계열 자료에 대한 분류 방법으로 빈도영역에서의 시계열분석 기법인 스펙트럼 분석을 이용하였다. 즉, 스펙트럼 분석을 적용한 시계열 자료에 대한 군집방법을 제안하였다. 지적측량 업무량 자료에 대한 스펙트럼 주기도 결과를 이용하여 시계열들의 패턴을 파악하고, 이들 패턴을 추세와 단기 및 중기 주기의 유무에 따라 4가지로 유형화여 분류규칙을 생성하였다. 분류규칙에 따라 각 세그멘트 유형은 매우 다르게 잘 구분되었으며, 그 결과 전국의 지사들을 안정형지사, 상향지사, 규칙적 상향지사, 불규칙지사 유형으로 구분하였다. 마지막으로 분류된 군집별로 전략수립 모형에 사용될 대표지사를 선정하였다.

In general, time series data have an intrinsic attribute of autocorrelation, which is against the assumptions for typical multivariate analysis. Thus we propose a new approach of time-series clustering method using the characteristic of spectral analysis that spectral analysis divide time series onto frequency domain. We utilize the Spectrum analysis in order to segment branch offices for Cadastral Survey using time series data. We classified all of the offices into four different segments as to the estimated periodgram through the spectrum analysis for each series. Classification was well achieved and the trend and cycle pattern of each segment was explicitly different. Segment types are named as irregular type, stable type, increasing type, regular rising type. Finally, representative offices were selected for each segment.