## Memo ## Abstract 過去数十年にわたり、データ系列（時系列）の次元削減の方法が数多く紹介されてきた。その中には，元データの記号表現に依存するものもあるが，この場合，得られる次元削減は実質的でない．本論文では，多次元時系列の次元を削減するために，記号的本質属性近似（SEAA）と呼ばれる新しいアプローチを導入する．この方法では、元のデータ系列の新しい名目表現を形成する。このアプローチは、データ系列の包絡線と多層ニューラルネットによって生成される本質的属性の概念に基づいている。実数値の属性は離散化され、このようにして記号的なデータ系列表現が形成される。SEAAは新しい属性の名目値のベクトルを生成し、これが元のデータ系列の圧縮表現を形成する。この名目属性は合成値であり、直接解釈することはできないが、元のデータ系列の重要な特徴を保持している。提案する次元削減の有用性を分類とクラスタリング課題に対して検証した。実験の結果，大幅な次元削減を行った場合でも，新しい表現は時系列の分類やクラスタリングに十分なデータ系列に関する情報を保持していることが示された． [[2014__Information Sciences__An approach to dimensionality reduction in time series__translations]]