基于哈希技術(shù)的時間序列近似查詢研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)的快速發(fā)展，隨時隨刻產(chǎn)生著不計其數(shù)的信息。在數(shù)據(jù)挖掘、機器學習、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)，其中有一種是與時間有關(guān)的數(shù)據(jù)，即時間序列。時間序列廣泛存在于各個領(lǐng)域中，如金融、地理、醫(yī)學和氣象等。
　　目前時間序列數(shù)據(jù)研究主要集中在時間序列的相似性查詢、時間序列的聚類/分類分析、時間序列的可視化研究、時間序列的分段、時間序列的趨勢預測和異常檢測等。
　　

2、時間序列相似性問題是時間序列挖掘中一個基礎(chǔ)問題，自被提出以來一直備受關(guān)注。所以選擇時間序列相似性查詢作為研究很有意義。由于時序數(shù)據(jù)的數(shù)值性和連續(xù)性，一般考慮的是時間序列的整體而不是單個數(shù)值。所以與傳統(tǒng)數(shù)據(jù)庫的相似性查詢不同，時間序列數(shù)據(jù)的相似性查詢一般以近似的方式進行。
　　由于時間序列的高維性，很難直接對它進行處理。而哈希技術(shù)是一種很常用的壓縮映射技術(shù)，它可以通過散列算法把任意長度的輸入轉(zhuǎn)換成固定長度的輸出。該輸出值的空間通常遠

3、小于輸入的空間，因此可以使用哈希技術(shù)來處理時間序列。
　　本文的主要研究內(nèi)容包括以下幾個方面：
　　首先提出一種利用 LSH（Locality Sensitive Hashing，局部敏感哈希）算法處理時間子序列匹配問題的方法 LSHSM。LSH能夠?qū)⒕嚯x近的對象以很高的概率哈希到同一個桶中，通過這樣的處理，可以過濾很多不相似的對象，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、對時間序列做 DFT、DWT等特征變換，而是直接把序列當成高維數(shù)據(jù)點，利用 LSH能處理高維數(shù)據(jù)的特性來查找時間子序列。實驗采用三種不同的時間序列數(shù)據(jù)集，驗證了算法的有效性。
　　然后通過引入關(guān)聯(lián)刪除的概念，來處理兩個屬性的時間序列。若要根據(jù)時間序列的一個屬性刪除另一個屬性，為了保持時間序列數(shù)據(jù)的一致性，需要存儲兩個屬性的關(guān)聯(lián)信息。布魯姆過濾器是一種很強大的表示數(shù)據(jù)概要的工具。利用它們來分別表示時間序列數(shù)據(jù)兩個屬性的概要，實現(xiàn)對過