符号聚合近似在物联网应用中的性能评估

符号聚合近似（Symbolic Aggregate approXimation, SAX）是一种用于时间序列数据的数据量纰化缩减方法，已被广泛应用于包括时间序列数据分类和异常检测在内的各种领域。也包括形状识别，其中将形状轮廓转换为时间序列数据，例如对存档的羽毛分类进行 epoch 分类。在本文中，我们提出了一种基于SAX算法的数据量纰化和形状识别方法，适用于需要响应成本效益高、类似物联网平台的应用。挑战在于处理SAX算法在物联网类应用中的计算开销，从简单的时序数据量纰化到形状识别。该方法基于降低数据量纰化空间，同时捕获和保留形状最具代表性的特征。我们呈现了三个计算复杂度递增的场景，为我们的主张提供性能特征的测量。