• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Information visualization >Visual exploration of frequent patterns in multivariate time series
【24h】

Visual exploration of frequent patterns in multivariate time series

机译：可视化探索多元时间序列中的频繁模式

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 detection of frequently occurring patterns, also called motifs, in data streams has been recognized as an important task. To find these motifs, we use an advanced event encoding and pattern discovery algorithm. As a large time series can contain hundreds of motifs, there is a need to support interactive analysis and exploration. In addition, for certain applications, such as data center resource management, service managers want to be able to predict the next day's power consumption from the previous months' data. For this purpose, we introduce four novel visual analytics methods: (Ⅰ) motif layout - using colored rectangles for visualizing the occurrences and hierarchical relationships of motifs; (Ⅱ) motif distortion - enlarging or shrinking motifs for visualizing them more clearly; (Ⅲ) motif merging - combining a number of identical adjacent motif instances to simplify the display; and (Ⅳ) pattern preserving prediction - using a pattern-preserving smoothing and prediction algorithm to provide a reliable prediction for seasonal data. We have applied these methods to three real-world datasets: data center chilling utilization, oil well production, and system resource utilization. The results enable service managers to interactively examine motifs and gain new insights into the recurring patterns to analyze system operations. Using the above methods, we have also predicted both power consumption and server utilization in data centers with an accuracy of 70-80%.
机译：在数据流中检测频繁出现的模式（也称为主题）已被认为是一项重要任务。为了找到这些图案，我们使用了高级事件编码和图案发现算法。由于一个大型时间序列可以包含数百个主题，因此需要支持交互式分析和探索。此外，对于某些应用程序，例如数据中心资源管理，服务经理希望能够根据前几个月的数据预测第二天的功耗。为此，我们介绍了四种新颖的视觉分析方法：（Ⅰ）主题布局-使用彩色矩形可视化主题的出现和层次关系； （Ⅱ）图案变形-放大或缩小图案以使它们更清晰可见； （III）主题合并-组合多个相同的相邻主题实例以简化显示； （Ⅳ）模式保留预测-使用模式保留平滑和预测算法为季节数据提供可靠的预测。我们已将这些方法应用于三个实际数据集：数据中心制冷利用率，油井产量和系统资源利用率。结果使服务管理者可以交互检查主题，并获得对重复模式的新见解以分析系统操作。使用上述方法，我们还预测了数据中心的功耗和服务器利用率，其准确性为70-80％。

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