百万级时间序列中长范围变长时序模体的高效发现
数据结构与算法
2018-02-15 v1 信息检索
摘要
检测重复的变长模式（亦称变长模体）近年来受到大量关注。当前最先进算法利用定长模体发现算法作为子过程来枚举变长模体。因此，当枚举范围较大时，其执行可能耗时数小时乃至数天。本工作中，我们引入一种称为基于层次结构的模体枚举（HIME）的近似算法，以在百万级时间序列中检测具有大枚举范围的变长模体。我们在实验中表明，所提算法的可扩展性显著优于最先进算法。此外，HIME检测到的模体长度范围明显大于先前基于序列匹配的近似变长模体发现方法。我们证明HIME能够高效地在长真实世界时间序列中检测有意义的变长模体。
引用
@article{arxiv.1802.04883,
title = {Efficient Discovery of Variable-length Time Series Motifs with Large Length Range in Million Scale Time Series},
author = {Yifeng Gao and Jessica Lin},
journal= {arXiv preprint arXiv:1802.04883},
year = {2018}
}
备注
Support Page: https://sites.google.com/site/himeicdm/