摘要
针对目前已有的时间序列数据分段方法多侧重于静态数据的分段现状,根据时间序列流数据的变化情况,分析数据流的状态,提出一种有限自动机的分段方法,它通过分析时间序列流中数据所处的状态,进而发现其中的变化点,并以变化点作为段的两端,从而完成时间序列的分段。实验表明,这种方法能够有效地对高速时间序列流进行分段,保证了分段的效果和质量。
Aiming at the disadvantage of existing segmenting methods for time series mainly focus on the static data, this paper proposed a method for segmenting time series stream, namely, a deterministic finite automata,according to time-series stream data changes, analyzing the data flow state. By analyzing the state of the time-series data stream, the changes in it could be found and thus complete the time series segmentation, taking change point as the segment ends. Extensive empirical experiments, both on synthetic and real datasets, show that the approach achieves great effectiveness on the high speed time series stream, and the quality of the segments is assured.
出处
《计算机应用研究》
CSCD
北大核心
2010年第5期1809-1812,共4页
Application Research of Computers
基金
国家自然科学基金资助项目(10802061)
陕西省自然科学基金资助项目(SJ08ZP14)
陕西省教育厅自然基金资助项目(07JK244)
陕西省自然科学基金资助项目(2009JM9008)
陕西省教育厅科学研究计划项目(09JK437)
关键词
数据挖掘
时间序列
流分段
有限自动机
data mining
time series
stream segmenting
finite state automata
