NSPRING: the SPRING extension for subsequence matching of time series supporting normalization

บทความในวารสาร

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

ไม่พบข้อมูลที่เกี่ยวข้อง

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Gong X., Fong S., Chan J.H., Mohammed S.

ผู้เผยแพร่: Springer

ปีที่เผยแพร่ (ค.ศ.): 2016

วารสาร: Journal of Supercomputing (0920-8542)

Volume number: 72

Issue number: 10

หน้าแรก: 3801

หน้าสุดท้าย: 3825

จำนวนหน้า: 25

นอก: 0920-8542

eISSN: 1573-0484

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84944710367&doi=10.1007%2fs11227-015-1525-6&partnerID=40&md5=b474b767effe62d8f0171f6f601fe6b5

ภาษา: English-Great Britain (EN-GB)

ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์

บทคัดย่อ

Mining sequences and patterns in time series data streams is fast becoming a common practice in today’s world. The rapid progress of data collection and web technologies yields tremendous growth of flowing data in various complex forms that need to be analyzed in real time. Traditional data mining methods that typically require the process data to be scanned repeatedly are not feasible for stream data applications. However, new techniques like SPRING attempt to address these challenges by identifying sequences of patterns on time series streams, thus reducing the complexity to be linear in both time and space. Unfortunately, SPRING does not support data normalization, which renders it to be not applicable for most data sets. In this paper, we are proposing an approach called NSPRING based on SPRING that extends the advantages of SPRING, e.g., low in time and space complexity, while it can support normalization. Furthermore, NSPRING retains similar mining accuracy to SPRING. © 2015, Springer Science+Business Media New York.

คำสำคัญ

Data streams, DTW, Normalization, NSPRING, Subsequence matching, UCR-DTW