Landmarks: ein neues Modell für ähnlichkeitbasierte Musterabfragen in Zeitreihendatenbanken

In diesem Papier präsentieren wir das Landmark-Modell, ein Modell für Zeitreihen, das neue Techniken für ähnlichkeitbasierte Musterabfragen in Zeitreihen bietet. Das Landmark-Modell folgt nicht den traditionellen Ähnlichkeitsmodellen, die auf punktueller euklidischer Distanz basieren. Stattdessen führt es zu Landmark-Ähnlichkeit, einem allgemeinen Modell der Ähnlichkeit, das mit menschlicher Intuition und episodischem Gedächtnis konsistent ist. Durch die Verfolgung verschiedener spezifischer Teilmengen von Merkmalen der Landmarken können wir effizient verschiedene Landmark-Ähnlichkeitsmaße berechnen, die unter den entsprechenden Teilmengen von sechs Transformationen invariant sind; nämlich Verschiebung, uniforme Amplitudenskalierung, uniforme Zeitskalierung, uniforme Bi-Skalierung, Zeitverzerrung und nicht-uniforme Amplitudenskalierung. Eine Methode zur Identifizierung von Merkmalen, die unter diesen Transformationen invariant sind, wird vorgeschlagen. Zudem diskutieren wir einen verallgemeinerten Ansatz zur Rauschentfernung aus Rohzeitreihen, ohne die Spitzen und Tiefen zu glätten. Neben diesen neuen Fähigkeiten zeigen unsere Experimente, dass das Landmark-Indexing erheblich schnell ist.