이 논문은 다차원 시계열 데이터 분석을 위한 새로운 방법을 제안한다. 기존 기법의 한계를 극복하기 위해 다음과 같은 접근법을 취한다:
공간 변화 이벤트(SCE) 기반 변환: 다차원 시계열을 해석 가능한 1차원 이벤트 시퀀스로 변환하여 다차원 간 결합 관계를 표현한다.
가변 길이 튜플 마이닝: 이벤트 시퀀스에서 비중복 핵심 이벤트 부분 시퀀스를 추출하여 시공간 구조 특징으로 활용한다. 이는 대규모 학습 데이터에 의존하지 않는 비지도 방식이다.
시공간 구조 특징 표현 모델 정의: 제안 방법을 통해 다차원 시계열의 시공간 구조 특징을 효과적으로 모델링할 수 있다.
실험 결과, 제안 모델은 다양한 다차원 시계열 데이터에서 기존 모델 대비 높은 분류 정확도와 효율적인 계산 성능을 보였다. 이는 백엔드 서비스, 의료 진단, 인터넷 비즈니스 등 다양한 분야에 적용 가능한 혁신적인 기술적 진보를 의미한다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문