具有动态归一化的实时模式匹配
数据库
2020-04-09 v2 多媒体
摘要
时间序列数据流中的模式匹配被认为是一个基本的数据挖掘问题，且在许多实际场景中仍具挑战性。噪声、幅度尺度或偏移变化、信号在时间上的拉伸或收缩等不同因素都会导致许多现有模式匹配算法性能下降。本文引入一种动态 z-归一化机制，即便在显著的时间与幅度畸变下也能实现恰当的信号缩放。在此基础上，我们进一步提出一种基于动态时间规整（Dynamic Time Warping）的实时模式匹配方法，以恢复在时间与幅度上均可能畸变的隐藏模式。我们在合成与真实场景及实际条件下评估了所提方法，结果表明相较于其他最先进的模式匹配方法，其具有高运行特性。
引用
@article{arxiv.1912.11977,
title = {Real Time Pattern Matching with Dynamic Normalization},
author = {Renzhi Wu and Sergey Sukhanov and Christian Debes},
journal= {arXiv preprint arXiv:1912.11977},
year = {2020}
}