Ein datenadaptives und dynamisches Segmentierungsindex für das vollständige Matching von Zeitreihen

Die Ähnlichkeitssuche von Zeitreihen ist eine wesentliche Operation in vielen Anwendungen. In den modernen Methoden, wie den R-Baum-basierten Methoden, SAX und iSAX, werden Zeitreihen standardmäßig global in gleich lange Segmente unterteilt, das heißt, alle Zeitreihen werden auf die gleiche Weise segmentiert. Diese Methoden konzentrieren sich dann darauf, wie man die Segmente annähern oder symbolisieren und Indizes erstellen kann. In diesem Papier machen wir eine wichtige Beobachtung: Die globale Segmentierung aller Zeitreihen kann unnötige Kosten für den Speicherplatz und die Zeit bei der Indizierung von Zeitreihen verursachen. Wir entwickeln DSTree, einen datenadaptiven und dynamischen Segmentierungsindex für Zeitreihen. Neben Einsparungen in Speicherplatz und Zeit kann unser neuer Index enge obere und untere Schranken für die Abstände zwischen Zeitreihen bereitstellen. Eine umfassende empirische Studie zeigt, dass unser neuer Index DSTree die Ähnlichkeitssuche von Zeitreihen effektiv und effizient unterstützt.