...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Knowledge and Data Engineering >Matrix Profile IX: Admissible Time Series Motif Discovery With Missing Data
【24h】

Matrix Profile IX: Admissible Time Series Motif Discovery With Missing Data

机译：矩阵配置文件IX：可允许的时间序列主题序列发现缺失数据

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The discovery of time series motifs has emerged as one of the most useful primitives in time series data mining. Researchers have shown its utility for exploratory data mining, summarization, visualization, segmentation, classification, clustering, and rule discovery. Although there has been more than a decade of extensive research, there is still no technique to allow the discovery of time series motifs in the presence of missing data, despite the well-documented ubiquity of missing data in scientific, industrial, and medical datasets. In this work, we introduce a technique for motif discovery in the presence of missing data. We formally prove that our method is admissible, producing no false negatives. We also show that our method can "piggy-back" off the fastest known motif discovery method with a small constant factor time/space overhead. We will demonstrate our approach on diverse datasets with varying amounts of missing data.
机译：时间序列主题的发现已成为时间序列数据挖掘中最有用的基元之一。 研究人员已经向探索性数据挖掘，摘要，可视化，分割，分类，聚类和规则发现。 虽然已经有十多年的广泛研究，但仍然没有技术可以在存在缺失数据存在的情况下发现时间序列图案，尽管在科学，工业和医疗数据集中缺失数据缺失缺失数据繁琐。 在这项工作中，我们在缺失数据存在下介绍了一种用于主题发现的技术。 我们正式证明我们的方法是允许的，生产没有假底片。 我们还表明，我们的方法可以“捎带”从一个小恒定因子时间/空间开销中获得最快的已知主题发现方法。 我们将在不同数量的缺失数据上展示我们在不同数据集中的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号