Belangrijkste concepten
時系列データから、特定のプレフィックスパターンに関連する共起順序保存パターンを効率的に発見する。
Samenvatting
本論文では、時系列データから特定のプレフィックスパターンに関連する共起順序保存パターン(COP)を効率的に発見するアルゴリズムCOP-Minerを提案している。
COP-Minerは以下の3つの部分から構成される:
キーポイントの抽出: 時系列データのノイズや歪みを低減するため、局所的な極値点を抽出する。
準備段階: 最初の発見ラウンドのための準備として、サフィックスパターンの出現回数の計算、プレフィックスパターンの出現回数の検証、融合パターンの計算などを行う。
反復的な支持度計算と頻出COPの発見: 接頭辞パターンと接尾辞パターンの出現回数を利用した効率的な支持度計算手法を提案し、頻出COPを発見する。
実験結果から、COP-Minerは他の競合アルゴリズムよりも実行時間と拡張性が優れており、キーポイントアラインメントを用いたCOPが時系列予測の性能向上に寄与することが示された。
Statistieken
時系列データ t は (16,8,11,10,12,16,17,13,20,18,21,22,18,14,21,24,23,27,25,28) である。
サフィックスパターン s = (1,3,2)の出現回数は 4 回である。
プレフィックスパターン o = (2,1,4,3)の出現回数は 4 回である。
融合パターン (1,3,2,4)の出現回数は 5 回である。
Citaten
"時系列データから、特定のプレフィックスパターンに関連する共起順序保存パターンを効率的に発見する"
"COP-Minerは実行時間と拡張性が優れており、キーポイントアラインメントを用いたCOPが時系列予測の性能向上に寄与する"