Querying and Mining of Time Series Data: Experimental Comparison of Representations and Distance Mea

Querying and Mining of Time Series Data: Experimental Comparison of Representations and Distance Measures (VLDB 2008)

在过去的十年中,人们对处理查询和挖掘时间序列数据的应用程序的兴趣极大地增长。针对时间序列引入了许多降维和相似度量的表示方法。每一部介绍特定方法的作品都提出了具体的主张,除了偶尔的理论证明之外,还提供了定量的实验观察。然而,在大多数情况下,这些实验的比较方面过于狭隘地集中于证明所提出的方法比以前介绍的一些方法的好处。为了提供全面的验证,我们进行了大量的时间序列实验,重新实现了8种不同的表示方法和9种相似度量及其变体,并在来自各种应用领域的38个时间序列数据集上测试了它们的有效性。在这篇论文中,我们概述了这些不同的技术,并就其有效性提出了我们的比较实验结果。我们的实验为现有的一些成果提供了统一的验证,在某些情况下,表明文献中的某些主张可能过于乐观。 

Representation Methods for Time Series

Querying and Mining of Time Series Data: Experimental Comparison of Representations and Distance Mea_第1张图片

 Similarity Measures for Time SeriesQuerying and Mining of Time Series Data: Experimental Comparison of Representations and Distance Mea_第2张图片

 CONCLUSION & FUTUREWORK

你可能感兴趣的:(时间序列数据表征学习,深度学习,人工智能)