Mining asynchronous periodic patterns in time series data

تاریخ: ۲۰۰۳

پایگاه:  IEEE Xplore

لینک دانلود اصل مقاله

نام مجله: Knowledge and Data Engineering

قیمت: ۱۰۰,۰۰۰ ریال

تعداد صفحات انگلیسی: ۱۶

تعداد صفحات فارسی: ۳۶

کد: ۵۵۰۴۰

چکیده فارسی

کشف تناوبی داده‌های سری زمانی به عنوان مسئله مهمی در بسیاری از برنامه‌های کاربردی می‌باشد. اکثر تحقیقات پیشین تمرکز خود را بر روی بررسی الگوهای تناوبی اسنکرون قرار داده و حضور الگوهای ناهمتراز را به دلیل مداخله پارازیت‌های تصادفی مد نظر قرار نمی‌دهد. در این مقاله، مدل انعطاف‌پذیرتری را در ارتباط با الگوهای تناوبی اسنکرون مطرح می‌کنیم که تنها درون توالی مد نظر قرار گرفته و وقوع آن‌ها به دلیل وجود این اختلالات تغییر می‌یابد. دو پارامتر min-rep و max-dis ،به کار گرفته می‌شوند تا به تعیین حداقل تعداد تکرارها بپردازیم که در هر بخش از ظهور الگوها غیرمختل و حداکثر اختلال بین دو بخش معتبرمتوالی، مورد نیاز می‌باشد. بعد از برطرف شدن این دو شرایط، بلندترین توالی معتبر الگو، برگشت داده می‌شود. یک الگوریتم دو مرحله‌ای طراحی می‌گردد تا در ابتدا به ایجاد دوره‌های بالقوه از طریق برش مبتنی بر مسافت به دنبال روش تکرار برای دسترسی و ایجاد اعتبار برای الگوها و مکان‌یابی طولانی‌ترین توالی معتبر بپردازد. ما همچنین نشان می‌دهیم که این الگوریتم نه تنها پیچیدگی‌های زمانی طولی را با توجه به طول توالی‌ها ایجاد می‌کند بلکه دسترسی به بهره‌وری فضا دارد.

چکیده انگلیسی

Periodicy detection in time series data is a challenging problem of great importance in many applications. Most previous work focused on mining synchronous periodic patterns and did not recognize the misaligned presence of a pattern due to the intervention of random noise. In this paper, we propose a more flexible model of asynchronous periodic pattern that may be present only within a subsequence and whose occurrences may be shifted due to disturbance. Two parameters min_rep and max_dis are employed to specify the minimum number of repetitions that is required within each segment of nondisrupted pattern occurrences and the maximum allowed disturbance between any two successive valid segments. Upon satisfying these two requirements, the longest valid subsequence of a pattern is returned. A two-phase algorithm is devised to first generate potential periods by distance-based pruning followed by an iterative procedure to derive and validate candidate patterns and locate the longest valid subsequence. We also show that this algorithm cannot only provide linear time complexity with respect to the length of the sequence but also achieve space efficiency

مشخصات استنادی

Yang, J., Wang, W., & Yu, P. S. (2003). Mining asynchronous periodic patterns in time series data. Knowledge and Data Engineering, IEEE Transactions on, 15(3), 613-628

دانلود اصل مقاله

ویژگی‌های مقاله الگوهای تناوبی اسنکرون داده کاوی در سری زمانی داده

مقاله “الگوهای تناوبی اسنکرون داده کاوی در سری زمانی داده” در سال ۲۰۰۳ در مجله Knowledge and Data Engineering چاپ شده و در پایگاه اطلاعاتی IEEE Xplore نمایه شده است. این مقاله به بررسی داده‌های سری زمانی، الگوهای تناوبی اسنکرون، پارامتر min-rep و max-dis پرداخته است. همچنین براساس اطلاعات پایگاه اطلاعاتی گوگل اسکولار این مقاله ۲۲۴ بار مورد استناد قرار گرفته است.