基于季节与趋势感知的符号近似的准确高效时间序列匹配——包含附加评估与证明的扩展版
数据库
2021-10-12 v3
摘要
处理和分析时间序列数据集已成为许多领域中的核心问题，要求数据管理系统将时间序列作为原生数据类型提供支持。这些系统的一个关键前提是时间序列匹配，这仍是一个具有挑战性的问题。时间序列是一种高维数据类型，其表示耗费存储，其比较耗费时间。在应对这些挑战的表示技术中，符号聚合近似（SAX）是当前最先进的。该技术通过将时间序列分段并将每段离散化为小型符号字母表，将其降至低维空间。然而，SAX 忽略了时间序列的确定性行为，例如周期性重复模式或影响所有分段并导致符号分布畸变的趋势分量。在本文中，我们提出一种季节与趋势感知的符号近似。我们表明这改善了符号分布，并在不增加内存占用的前提下提高了表示精度。最重要的是，这使得时间序列匹配更加高效，其匹配速度比 SAX 最高快三个数量级。
引用
@article{arxiv.2105.14867,
title = {Accurate and Efficient Time Series Matching by Season- and Trend-aware Symbolic Approximation -- Extended Version Including Additional Evaluation and Proofs},
author = {Lars Kegel and Claudio Hartmann and Maik Thiele and Wolfgang Lehner},
journal= {arXiv preprint arXiv:2105.14867},
year = {2021}
}