$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

학위논문 상세정보

인덱스 보간법: 임의 길이의 정규화 변환 및 임의 계수의 이동평균 변환을 지원하는 서브시퀀스 매칭 기법

Index Interpolation: A Subsequence Matching Method Supporting Normalization Transform of Arbitrary Length and Moving Average Transform of Arbitrary Order


노웅기 (한국과학기술원 전산학전공 국내박사)
초록

본 논문에서는 시계열 데이타베이스에서 각각 정규화 변환과 임의 계수의 이동평균 변환을 지원하는 두가지 서브시퀀스 매칭 알고리즘을 제안한다. 정규화 변환은 시계열 데이타 간의 절대적인 유클리드 거리에 관계 없이, 구성하는 값들의 상대적인 변화 패턴이 유사한 시계열 데이타를 검색하는 데에 유용하다. 이동평균 변환은 시계열 데이타 내의 잡음의 영향을 감소시킴으로써 시계열 데이타 전체의 경향을 파악하는 데에 유용하며 통계경제학 등의 분야에서 널리 사용되어 왔다. 기존의 서브시퀀스 매칭 알고리즘은 임의 길이의 서브시퀀스를 정규화 변환하기 위...

Abstract

In this dissertation, we propose two new algorithms for subsequence matching in time-series databases, one for supporting normalization transform and the other for supporting moving average transform of arbitrary order. Normalization transform enables finding sequences with similar fluctuation patte...

주제어

#Index Interpolation Normalization Transform Moving Average Transform Subsequence Matching Time-Series Databases 인덱스 보간법 정규화 변환 이동평균 변환 서브시퀀스 매칭 시계열 데이타베이스;

참고문헌 (0)

  1. 이 논문의 참고문헌 없음

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음
저자 노웅기
학위수여기관 한국과학기술원
학위구분 국내박사
학과 전산학전공
지도교수 황규영,Whang, Kyu-Young
발행년도 2001
총페이지 viii, 89 p.
키워드 Index Interpolation Normalization Transform Moving Average Transform Subsequence Matching Time-Series Databases 인덱스 보간법 정규화 변환 이동평균 변환 서브시퀀스 매칭 시계열 데이타베이스
언어 kor
원문 URL http://www.riss.kr/link?id=T10514473&outLink=K
정보원 한국교육학술정보원
상세조회 0건 원문조회 0건

DOI 인용 스타일