DRSP：时间序列数据流的相似性匹配与剪枝降维
数据库
2013-12-11 v1
摘要
在当今拥有大量流式数据的世界中，时间序列数据流的相似性匹配与连接已变得至关重要。该过程在位置跟踪、传感器网络、物体定位和监控等领域有着广泛的应用。然而，随着数据流规模的增加，为辅助相似性匹配过程而保留所有数据所涉及的成本也随之增加。我们开发了一个新颖的框架以实现以下目标。首先，在预处理阶段执行降维，其中大型流数据被分割并通过一种称为多级段均值（MSM）的技术缩减为紧凑表示，从而保留所有关键信息。这降低了与存储大型时间序列数据流相关的空间复杂度。其次，它结合了有效的相似性匹配技术来分析新数据对象是否与现有数据流对称。最后，采用剪枝技术过滤掉伪数据对象对，仅连接相关对。MSM 的计算成本为 O(l*ni)，剪枝成本为 O(DRF*wsize*d)，其中 DRF 为降维因子。我们进行了详尽的实验试验，表明所提出的框架与早期工作相比既高效又具有竞争力。
引用
@article{arxiv.1312.2669,
title = {DRSP : Dimension Reduction For Similarity Matching And Pruning Of Time Series Data Streams},
author = {R H Vishwanath and T V Samartha and K C Srikantaiah and K R Venugopal and L M Patnaik},
journal= {arXiv preprint arXiv:1312.2669},
year = {2013}
}
备注
20 pages,8 figures, 6 Tables