基于哈希技術(shù)的時(shí)間序列近似查詢研究.pdf

1、近年來(lái)，隨著互聯(lián)網(wǎng)的快速發(fā)展，隨時(shí)隨刻產(chǎn)生著不計(jì)其數(shù)的信息。在數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、信息檢索等領(lǐng)域，如何從龐大的信息中，挖掘有用的信息顯得尤為重要。這些信息包含多種數(shù)據(jù)，其中有一種是與時(shí)間有關(guān)的數(shù)據(jù)，即時(shí)間序列。時(shí)間序列廣泛存在于各個(gè)領(lǐng)域中，如金融、地理、醫(yī)學(xué)和氣象等。
　　目前時(shí)間序列數(shù)據(jù)研究主要集中在時(shí)間序列的相似性查詢、時(shí)間序列的聚類/分類分析、時(shí)間序列的可視化研究、時(shí)間序列的分段、時(shí)間序列的趨勢(shì)預(yù)測(cè)和異常檢測(cè)等。
　　

2、時(shí)間序列相似性問(wèn)題是時(shí)間序列挖掘中一個(gè)基礎(chǔ)問(wèn)題，自被提出以來(lái)一直備受關(guān)注。所以選擇時(shí)間序列相似性查詢作為研究很有意義。由于時(shí)序數(shù)據(jù)的數(shù)值性和連續(xù)性，一般考慮的是時(shí)間序列的整體而不是單個(gè)數(shù)值。所以與傳統(tǒng)數(shù)據(jù)庫(kù)的相似性查詢不同，時(shí)間序列數(shù)據(jù)的相似性查詢一般以近似的方式進(jìn)行。
　　由于時(shí)間序列的高維性，很難直接對(duì)它進(jìn)行處理。而哈希技術(shù)是一種很常用的壓縮映射技術(shù)，它可以通過(guò)散列算法把任意長(zhǎng)度的輸入轉(zhuǎn)換成固定長(zhǎng)度的輸出。該輸出值的空間通常遠(yuǎn)

3、小于輸入的空間，因此可以使用哈希技術(shù)來(lái)處理時(shí)間序列。
　　本文的主要研究?jī)?nèi)容包括以下幾個(gè)方面：
　　首先提出一種利用 LSH（Locality Sensitive Hashing，局部敏感哈希）算法處理時(shí)間子序列匹配問(wèn)題的方法 LSHSM。LSH能夠?qū)⒕嚯x近的對(duì)象以很高的概率哈希到同一個(gè)桶中，通過(guò)這樣的處理，可以過(guò)濾很多不相似的對(duì)象，避免不必要的比較，從而大大提高檢索速度。不同于FRM和DualMatch方法，本文方法不需要

4、對(duì)時(shí)間序列做 DFT、DWT等特征變換，而是直接把序列當(dāng)成高維數(shù)據(jù)點(diǎn)，利用 LSH能處理高維數(shù)據(jù)的特性來(lái)查找時(shí)間子序列。實(shí)驗(yàn)采用三種不同的時(shí)間序列數(shù)據(jù)集，驗(yàn)證了算法的有效性。
　　然后通過(guò)引入關(guān)聯(lián)刪除的概念，來(lái)處理兩個(gè)屬性的時(shí)間序列。若要根據(jù)時(shí)間序列的一個(gè)屬性刪除另一個(gè)屬性，為了保持時(shí)間序列數(shù)據(jù)的一致性，需要存儲(chǔ)兩個(gè)屬性的關(guān)聯(lián)信息。布魯姆過(guò)濾器是一種很強(qiáng)大的表示數(shù)據(jù)概要的工具。利用它們來(lái)分別表示時(shí)間序列數(shù)據(jù)兩個(gè)屬性的概要，實(shí)現(xiàn)對(duì)過(guò)