一种用于时间序列复杂不一致搜索的快速算法：HOT SAX Time
机器学习
2021-01-27 v1
摘要
时间序列分析正快速迈向长序列与复杂任务。近年来，为补偿时间序列日益增长的体积，提出了快速近似不一致搜索算法。然而，寻找快速精确解更为有趣。本研究中，我们利用两个主要思想改进了 HOT SAX：预热过程，以及时间上相近序列间的相似性。所得算法称为 HOT SAX Time（HST），已在真实与合成时间序列上验证，并成功与 HOT SAX、RRA、SCAMP 和 DADD 比较。不一致搜索的复杂度用一新指标——每序列代价（cps）评估，该指标允许在不同长度时间序列上比较搜索。数值证据表明，两个因素以非平凡方式参与决定不一致搜索的复杂度：不一致的长度，以及噪声/信号比。在复杂搜索情形下，HST 可比 HOT SAX 快 100 倍以上，从而处于精确不一致搜索的前沿。
引用
@article{arxiv.2101.10698,
title = {A fast algorithm for complex discord searches in time series: HOT SAX Time},
author = {Paolo Avogadro and Matteo Alessandro Dominoni},
journal= {arXiv preprint arXiv:2101.10698},
year = {2021}
}