Busca de semelhança eficiente em sequências temporais contínuas

O processamento de consultas em fluxos de dados é uma direção de pesquisa muito importante. O desafio em um banco de dados de fluxos de dados é fornecer algoritmos e métodos de acesso eficientes para o processamento de consultas, levando em consideração o fato de que o banco de dados muda continuamente à medida que novos dados chegam. Métodos de acesso tradicionais que atualizam continuamente os dados são considerados ineficientes, devido aos custos significativos de atualização. Neste artigo, apresentamos o IDC-Index, uma técnica eficiente para o processamento de consultas de semelhança em sequências temporais contínuas, que é baseada em um método de acesso multidimensional aprimorado com uma política de atualização diferida e um cálculo incremental da transformada de Fourier discreta (DFT), que é utilizada como um método de extração de características. O método consegue reduzir o número de alarmes falsos examinados e, portanto, alcança uma alta razão de respostas/candidatos. Além disso, uma avaliação de desempenho extensiva baseada em caminhadas aleatórias sintéticas e sequências temporais reais mostrou que a técnica proposta supera significativamente as abordagens existentes para o processamento de consultas de semelhança por intervalo.