×
杨基扬;赛勒斯·沙哈比

多元时间序列的有效最近邻搜索。 （英语） Zbl 1109.68040号

Inf.计算。 205，第1期，65-98（2007）.
摘要：多元时间序列（MTS）数据集在各种多媒体、医疗和金融应用中很常见。为了有效地执行MTS数据集的最近邻搜索，我们提出了一种相似性度量Eros（扩展Frobenius范数）、一种索引结构Muse（Eros的多级基于距离的索引结构）和一种特征子集选择技术Ropes（Eros公共主成分上的递归特征消除）。Eros基于主成分分析，通过测量相应主成分使用特征值作为权重的接近程度来计算两个MTS项目之间的相似性。Muse将每个级别构造为一个基于距离的索引结构，而不使用权重，最多可达\（z）级，这些权重在查询时与权重相结合。Ropes递归地利用公共主成分和权重来为Eros选择特征子集。实验结果表明，与早期方法相比，我们的技术具有优越性。

引用于三文件

MSC公司：

68页第10页 搜索和排序

关键词：

多元时间序列;基于距离的索引结构;相似性度量;主成分分析;特征子集选择
PDF格式BibTeX公司 XML格式引用
\textit{K.Yang}和\textit{C.Shahabi}，Inf.Compute。205，编号1，65--98（2007；Zbl 1109.68040）
全文： 内政部

参考文献：

[1] 塔克，A。；斯威夫特，S。；Liu，X.，通过相关性对多元时间序列中的变量进行分组，IEEE Trans。系统。人类网络。B、 31、2、235-245（2001）
[2] C.Shahabi，AIMS：浸入式数据库管理系统，收录于：VLDB CIDR，2003年。；C.Shahabi，AIMS：浸入式数据库管理系统，收录于：VLDB CIDR，2003年。
[3] Zhang，X.L。；贝格利特，H。；波杰斯，B。；Wang，W。；Litke，A.，物体识别任务中的事件相关电位，Brain Res.Bull。，38, 6, 531-538 (1995)
[4] 古特，C。；托夫特，P。；罗斯特鲁普，E。；尼尔森，F.A。；Hansen，L.K.，关于聚类功能磁共振成像时间序列，神经影像，9298-310（1999）
[5] Moon，T.K。；Stirling，W.C.，《信号处理的数学方法和算法》（2000），普伦蒂斯·霍尔：普伦蒂斯霍尔-恩格尔伍德悬崖，新泽西州
[6] Jolliffe，I.T.，主成分分析（2002），施普林格：柏林施普林格出版社·Zbl 1011.62064号
[7] 博姆，C。；Berchtold，S。；Keim，D.A.，《在高维空间中搜索：提高多媒体数据库性能的索引结构》，ACM Compute。调查，33，3（2001年）
[8] 查韦斯，E。；纳瓦罗，G。；Baeza Yates，R。；Marroque，J.L.，在度量空间中搜索，ACM计算。调查，33，3（2001年）
[9] E.Keogh，动态时间扭曲的精确索引，in：Proc。2002年VLDB会议。；E.Keogh，动态时间扭曲的精确索引，in：Proc。2002年VLDB会议。
[10] C.Yu，B.C.Ooi，K.-L.Tan，H.V.Jagadish，索引距离：KNN处理的有效方法，in：Proc。2001年VLDB会议。；C.Yu，B.C.Ooi，K.-L.Tan，H.V.Jagadish，索引距离：KNN处理的有效方法，in：Proc。2001年VLDB会议。
[11] P.Ciaccia，M.Patella，P.Zezula，M-树：度量空间中相似性搜索的一种有效访问方法，在：Proc。VLDB会议，1997年。；P.Ciaccia，M.Patella，P.Zezula，M树：度量空间中相似性搜索的有效访问方法，in：Proc。1997年VLDB会议。
[12] Yoon，H。；Yang，K。；Shahabi，C.，多元时间序列的特征子集选择和特征排序，IEEE Trans。知识。数据工程，17，9，1186-1198（2005）
[13] Krzanowski，W.，《组间主成分比较》，《美国统计协会期刊》，第74、367页（1979年）·Zbl 0459.62042号
[14] K.Yang，C.Shahabi，基于pca的多元时间序列相似性度量，收录于：ACM MMDB，2004。；K.Yang，C.Shahabi，多元时间序列基于pca的相似性度量，收录于：ACM MMDB，2004年。
[15] K.Yang，C.Shahabi，多元时间序列的多级距离索引结构，收录于：IEEE time，2005。；K.Yang，C.Shahabi，多元时间序列的多级距离索引结构，收录于：IEEE time，2005年。
[16] Sakoe，H。；Chiba，S.，口语识别的动态编程算法优化，IEEE Trans。阿库斯特。语音信号处理。，26, 1 (1978) ·Zbl 0371.68035号
[17] L.Chen，M.T.Ø；zsu，V.Oria，运动物体轨迹的鲁棒快速相似性搜索，in：Proc。2005年美国纽约州纽约市ACM SIGMOD会议。；L.Chen，M.T.Ø；zsu，V.Oria，运动物体轨迹的鲁棒快速相似性搜索，in：Proc。2005年美国纽约州纽约市ACM SIGMOD会议。
[18] M.Vlachos，G.Kollios，D.Gunopulos，《发现相似的多维轨迹》，摘自：Proc。2002年国际数据工程会议；M.Vlachos，G.Kollios，D.Gunopulos，《发现相似的多维轨迹》，摘自：Proc。2002年国际数据工程大会·兹比尔1075.68080
[19] C.Yu，《高维索引：高维范围和相似性搜索的转换方法》，ser。计算机科学讲稿，第2341卷，Springer-Verlag，2003年。；C.Yu，《高维索引：高维范围和相似性搜索的转换方法》，ser。《计算机科学讲义》，第2341卷，斯普林格·弗拉格出版社，2003年。
[20] Y.Sakurai，M.Yoshikawa，S.Uemura，H.Kojima，《a树：使用相对近似的高维空间索引结构》，in：Proc。2000年VLDB会议。；Y.Sakurai，M.Yoshikawa，S.Uemura，H.Kojima，《a树：使用相对近似的高维空间索引结构》，in：Proc。2000年VLDB会议。
[21] Y.Cai，R.Ng，用切比雪夫多项式索引时空轨迹，in：Proc。2004年美国纽约州纽约市ACM SIGMOD会议。；Y.Cai，R.Ng，用切比雪夫多项式索引时空轨迹，在：Proc。2004年，美国纽约州纽约市，ACM SIGMOD会议主席。
[22] M.Vlachos，M.Hadjieleftheriou，D.Gunopulos，E.Keogh，支持多重距离测量的多维时间序列索引，见：Proc。2003年ACM SIGKDD会议。；M.Vlachos，M.Hadjieleftheriou，D.Gunopulos，E.Keogh，支持多重距离测量的多维时间序列索引，见：Proc。2003年ACM SIGKDD会议。
[23] Y.Sakurai，M.Yoshikawa，R.Kataoka，S.Uemura，使用空间变换进行自适应椭球体查询的相似性搜索，见：Proc。2001年VLDB会议。；Y.Sakurai，M.Yoshikawa，R.Kataoka，S.Uemura，使用空间变换进行自适应椭球体查询的相似性搜索，见：Proc。2001年VLDB会议。
[24] Ciaccia，P。；Patella，M.，用用户定义的近似距离在公制空间中搜索，ACM Trans。数据库系统。，27, 4, 398-437 (2002)
[25] Han，J。；Kamber，M.，《数据挖掘：概念和技术》（2000），Springer:Springer Berlin，ch.3，p.121
[26] 盖恩，I。；Elisseeff，A.，《变量和特征选择简介》，J.Mach。学习。第3号决议，1157-1182（2003年）·Zbl 1102.68556号
[27] Kohavi，R。；John，G.H.，特征子集选择包装器，Artif。智力。，97, 1-2, 273-324 (1997) ·Zbl 0904.68143号
[28] 盖恩，I。；韦斯顿，J。；巴恩希尔，S。；Vapnik，V.，使用支持向量机进行癌症分类的基因选择，Mach。学习。，46, 1- 3, 389-422 (2002) ·兹比尔0998.68111
[29] Lal，T.N。；施罗德，M。；Hinterberger，T。；韦斯顿，J。；博格丹，M。；北卡罗来纳州伯鲍默。；Schölkopf，B.，《BCI中的支持向量信道选择》，IEEE Trans。生物识别。工程，51，6（2004）
[30] Krzanowski，W.，《分组数据的正交分量：审查和应用》，Stat.Trans。，5, 5, 759-777 (2002)
[31] Flury，B.N.，《（k）群中的常见主成分》，《美国统计协会期刊》，79，388，892-898（1984）
[32] Schott，J.R.，《几个组中常见主要成分的一些测试》，Biometrika，78771-777（1991）·兹比尔0850.62460
[33] H.Liu，L.Yu，M.Dash，H.Motoda，使用类进行主动特征选择，收录于：亚太知识发现和数据挖掘会议，2003年。；H.Liu，L.Yu，M.Dash，H.Motoda，使用类进行主动特征选择，收录于：亚太知识发现和数据挖掘会议，2003年·Zbl 1032.68617号
[34] M.W.Kadous，《时间分类：将分类范式扩展到多元时间序列》，新南威尔士大学博士论文，2002年。；M.W.Kadous，《时间分类：将分类范式扩展到多元时间序列》，新南威尔士大学博士论文，2002年。
[35] Jackson，J.E.，《主要成分用户指南》（1991），Wiley Interscience·Zbl 0743.62047号
[36] R.Tanawongsuwan，A.Bobick，不同速度下时距步态参数的性能分析，收录于：英国吉尔福德第四届基于音频和视频的生物特征身份验证国际会议，2003年6月。；R.Tanawongsuwan，A.Bobick，不同速度下时距步态参数的性能分析，收录于：第四届基于音频和视频的生物特征身份验证国际会议，英国吉尔福德，2003年6月·Zbl 1050.68915号
[37] T.N.Lal、T.Hinterberger、G.Widman、M.Schröder、N.J.Hill、W.Rosenstiel、C.E.Elger、B.Schölkopf、N.Birbaumer，《侵入性人脑-计算机接口的方法》，2005年，第737-744页。；T.N.Lal、T.Hinterberger、G.Widman、M.Schröder、N.J.Hill、W.Rosenstiel、C.E.Elger、B.Schölkopf、N.Birbaumer，《侵入性人脑-计算机接口的方法》，2005年，第737-744页。
[38] Roverso，D.，《通过瞬态分类进行电厂诊断：阿拉丁方法》，国际期刊Intell。系统。(2002) ·Zbl 1002.68578号
[39] 博兹卡亚，T。；Ozsoyoglu，M.，为相似性搜索查询索引大度量空间，ACM Trans。数据库系统，24，3（1999）
[40] 弗雷克斯，W.B。；Baeza-Yates，R.，《信息检索：数据结构和算法》（Information Retrieval:Data Structures and Algorithms）（1992年），《普伦蒂斯·霍尔：普伦蒂斯·霍尔·恩格尔伍德克利夫斯》（Prentice-Hall Englewood Cliffs），新泽西州
[41] R.O.Stehling，M.A.Nascimento，A.X.FalcáO，基于边界/内部像素分类的紧凑高效图像检索方法，见：Proc。2002年ACM-CIKM会议。；R.O.Stehling，M.A.Nascimento，A.X.FalcáO，基于边界/内部像素分类的紧凑高效图像检索方法，见：Proc。2002年ACM-CIKM会议。
[42] D.-H.Kim，C.-W.Chung，《Qcluster:使用自适应聚类进行基于内容的图像检索的相关反馈》，in：Proc。2003年ACM SIGMOD会议。；D.-H.Kim，C.-W.Chung，《Qcluster:使用自适应聚类进行基于内容的图像检索的相关反馈》，in：Proc。2003年ACM SIGMOD会议。
[43] Myers，C。；拉宾纳，L.R。；Rosenberg，A.E.，孤立词识别动态时间扭曲算法的性能权衡，IEEE Trans。阿库斯特。语音信号处理。，28, 6 (1980) ·Zbl 0524.68052号
[44] T.M.Rath，R.Manmatha，多元时间序列动态时间扭曲距离的下限，2002，TR MM-40，马萨诸塞大学阿姆斯特丹分校。；T.M.Rath，R.Manmatha，《多元时间序列动态时间扭曲距离的下限》，2002年，TR MM-40，马萨诸塞大学阿默斯特分校。
[45] A.Singhal，D.Seborg，多元时间序列数据的聚类，摘自：Proc。《美国管制会议》，第5卷，2002年。；A.Singhal，D.Seborg，多元时间序列数据的聚类，在：Proc。美国管制会议，第5卷，2002年。
[46] C.Shahabi，D.Yan，沉浸式传感器数据流的实时模式隔离和识别，收录于：Proc。第九届多媒体建模国际会议，2003年。；C.Shahabi，D.Yan，沉浸式传感器数据流的实时模式隔离和识别，收录于：Proc。第九届多媒体建模国际会议，2003年。
[47] 杜达，R.O。；哈特，体育。；Stork，D.G.，模式分类（2001），威利跨科学·Zbl 0968.68140号
[48] 戈丁·D·Q。；Millstein，T.D。；Kutlu，A.，时间序列数据的有界相似性查询，Inf.Comput。，194, 2, 203-241 (2004) ·Zbl 1090.68029号
[49] L.Chen，R.Ng，《关于lp-norms和edit distance的结合》，in：Proc。2004年VLDB会议。；L.Chen，R.Ng，《关于lp-norms和edit distance的结合》，in：Proc。2004年VLDB会议。
[50] D.Kifer、S.Ben-David、J.Gehrke，《检测数据流中的变化》，摘自：Proc。2004年VLDB会议。；D.Kifer、S.Ben-David、J.Gehrke，《检测数据流中的变化》，摘自：Proc。2004年VLDB会议。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。