$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

시계열 스트림 데이터 상에서 핸드헬드 디바이스를 위한 효율적인 스트림 시퀀스 매칭 알고리즘
Efficient Stream Sequence Matching Algorithms for Handheld Devices over Time-Series Stream Data 원문보기

한국통신학회논문지. The Journal of Korea Information and Communications Society. 네트워크 및 서비스, v.31 no.8B, 2006년, pp.736 - 744  

문양세 (강원대학교 컴퓨터과학과) ,  노웅기 (한국과학기술원 전산학과)

초록
AI-Helper 아이콘AI-Helper

핸드헬드 디바이스의 경우, 반복 작업에 대한 CPU 연산 최소화가 성능에 중요한 요소이다. 본 논문에서는 주식 데이터, 네트워크 트래픽, 센서 데이터 등의 시계열 스트림 데이터 상에서 유사 시퀀스를 효율적으로 찾아내는 핸드헬드 디바이스용 알고리즘을 제시한다. 이를 위하여, 우선 시계열 스트림 데이터 상에서 유사 시퀀스를 찾아내는 문제를 스트림 시퀀스 매칭(stream sequence matching)으로 정형적으로 정의한다. 다음으로, 기존의 서브시퀀스 매칭에서 사용했던 윈도우 구성법을 적용하여, 스트림 시퀀스 매칭을 효율적으로 처리하는 윈도우 기반 접근법을 제안한다. 그리고 이러한 윈도우 기반 접근법을 가능하게 하는 윈도우 MBR(window MBR) 개념을 제시하고, 이 개념을 사용하면 스트림 시퀀스 매칭을 정확하게 수행할 수 있음을 증명한다. 또한, 윈도우 기반 접근법에 기반한 두 가지 스트림 시퀀스 매칭 알고리즘을 제안한다. 마지막으로, 분석과 실험을 통해 제안한 알고리즘이 단순 접근법에 비해 CPU 연산을 크게 줄이고 성능을 향상시킴을 보인다. 이 같은 결과를 볼 때, 제안한 방법은 CPU 연산 능력이 부족한 핸드헬드 디바이스의 내장형 알고리즘으로 매우 적합하다고 사료된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

For the handhold devices, minimizing repetitive CPU operations such as multiplications is a major factor for their performances. In this paper, we propose efficient algorithms for finding similar sequences from streaming time-series data such as stock prices, network traffic data, and sensor network...

주제어

#Stream data   #Time-series data   #Stream sequence matching   #Handhold devices  

참고문헌 (12)

  1. Agrawal, R., Faloutsos, C., and Swami, A., 'Efficient Similarity Search in Sequence Databases,' In Proc. Int'l Conf on FODO, pp. 69-84, Oct. 1993 

  2. Babcock, B., et al., 'Models and Issues in Data Stream Systems,' In Proc. of ACM PODS, pp. 1-16, June 2002 

  3. Chan, K.-P., Fu, A. W.-C., and Yu, C.T., 'Haar Wavelets for Efficient Similarity Search of Time-Series: With and Without Time Warping,' IEEE TKDE, VoL.15, No.3, pp.686-705, Jan./Feb. 2003 

  4. Faloutsos, C, Ranganathan, M, and Manolopoulos, Y., 'Fast Subsequence Matching in Time-Series Databases,' In Proc. of ACM SIGMOD, pp. 419-429, May 1994 

    상세보기 crossref

  5. Fluke Electronics, http://www.fluke.com/ 

  6. Gao, L. and Wang, X. S., 'Continually Evaluating Similarity-based Pattern Queries on a Stream Time Series,' In Proc. of ACM SIGMOD, pp. 370-381, June 2002 

  7. Gao, L., Yao, Z., and Wang, X. S., 'Evaluating Continuous Nearest Neighbor Queries for Streaming Time Series via Pre-fetching,' In Proc. of ACM CIKM, pp.485-492, 2002 

  8. Medvidovic, N., et al., 'Software Architectural Support for Handheld Computing,' IEEE Computer, Vol. 36, No.9, pp.66-73, Sept., 2003 

    상세보기 crossref

  9. Moon, Y.-S., Whang, K.-Y., and Loh, W.-K., 'Efficient Time-Series Subsequence Matching using Duality in Constructing Windows,' Information Systems, Vol.26, No.4, pp.279-293, June, 2001 

    상세보기 crossref

  10. Moon, Y.-S., Whang, K.-Y., and Han, W.-S., 'General Match: A Subsequence Matching Method in Time-Series Databases Based on Generalized Windows,' In Proc. of ACM SIGMOD, pp. 382-393, June 2002 

  11. Stevens, W. R., Advanced Programming in the UNIX Environment, Addison-Wesley, 1992 

  12. Wu, H., Salzberg, B., and Zhang, D., 'Online Event-driven Subsequence Matching Over Financial Data Streams,' In Proc. of ACM SIGMOD, pp. 23-34, June 2004 

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로