최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.22 no.2, 2012년, pp.181 - 186
손동원 (계명대학교 컴퓨터공학과) , 홍동권 (계명대학교 컴퓨터공학과)
Recently there has been many active researches on searching similar sequences from data generated with the passage of time. Those data are classified as time series data or sequence data and have different semantics from scalar data of traditional databases. In this paper similar sequence search ret...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
시간적으로 변화된 데이터는 무엇으로 분류되는가? | 최근 시간적으로 변화된 데이터에서 유사한 값의 움직임 즉 유사 패턴을 검색하는 연구가 활발히 진행되고 있다. 시간적으로 변화된 데이터는 시계열 데이터 (time series data) 또는 시퀀스 데이터(sequence data)로 분류되며 기존의 스칼라 값을 가지는 데이터와는 매우 다른 의미를 가진다. 본 논문에서 유사 시퀀스 검색은 시퀀스 데이터웨어하우스에서 값의 변화가 유사한 형태를 가지는 시퀀스들을 검색한다. | |
불완전한 데이터가 존재하는 시간 구간에서 데이터를 처리하는 방법의 3가지 방법은? | 1) 평균 추정값 (Average Estimation) - 양 끝 값의 평균으로 새로운 데이터를 생성하여 채운다. 2) 가장 최근값 (Last value Estimation) - 불완전 데이터가 존재하는 시간 구간의 가장 마지막 값으로 새로운 데이터를 생성하여 채운다. 3) 가장 이전값 (First value Estimation) - 불완전한 데이터가 존재하는 시간 구간의 처음 값으로 새로운 데이터를 생성하여 채운다. | |
시퀀스 연구 분야에서 각각의 시퀀스는 무엇으로 표현되는가? | 시퀀스 연구 분야에서 각각의 시퀀스는 n 포인트의 값으로 표현된다. 유사한 패턴을 가진 시퀀스를 찾는 전형적인 방법은 먼저 시퀀스에서 k개의 특징값을 추출해내고 (n >> k), 그 값을 k 차원의 값으로 맵핑한 후 다차원 인덱스를 사용하여 그 값을 검색하는 방법을 사용한다 [1]. |
C. Faloutsos, M. Ranganathan and Y. Manolopoulos, "Fast Subsequence Matching in Time-Series Databases," Proc. ACM SIGMOD, Minneapolis MN, May 25-27, pp. 419-429, 1994.
Tak-chung Fu, "A review on time series data mining," Engineering Applications of Artificial Intelligence, vol. 24, pp. 164-181, 2011.
Maria Kontaki, Apostolos N. Papadopoulos, Yannis Mannolopoulos, "Adaptive similarity search in streaming time series with sliding windows," Data and Knowledge Engineering, vol. 63(2), pp. 478-502, 2007.
V.Gaede, O.Gunther, "Multidimensional Access methods," ACM Computing Surveys, vol. 30(2), pp. 170-231. 1998.
CS Perng, H. Wang, SR Zhang, DS Parker, "Landmarks: A new model for similarity-based pattern querying in time series databases," Proc. of ICDE'00, San Diego, pp. 33-42, CA, 2000.
B. Yi, HV Jagadish, C. Faloutsos, "Efficient Retrieval of similar time sequences under time warping," Proc. of ICDE'98, Orlando, FL, pp. 201-208, 1998.
R. Agrawal, K. Lin, H. Sawhney, and K.Shim, "Fast similarity search in the presence of noise, scaling, and translation in time-series databases," Proc. of VLDB'95, Zurich, Switzerland, pp. 490-501, 1995.
Y. Moon, K. Whang, W. Loh, "Duality-based subsequence matching in time-series databases," Proceedings of the 17th IEEE International Conference on Data engineering, pp. 263-272, 2001.
Y. Moon, K. Whang, W. Han, "General match : subsequence matching method in time-series databases based on generalized windows," Proceedings of ACM SIGMOD, pp. 382-393, 2002.
E. Keogh, J. Lin, J. Fu, "HOT SAX: efficiently finding the most unusual time series subsequence," Proceedings of the Fifth IEEE International Conference on Data Mining, pp. 226-233, 2005.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.