文献

J-GLOBAL ID：201502205145430187   整理番号：15A0784714

健康管理における大規模時系列の効率的モチーフ発見

Efficient Motif Discovery for Large-Scale Time Series in Healthcare

著者 (7件)： LIU Bo (Tsinghua Univ., Beijing, CHN) ,  LIU Bo (NEC Lab. China, Beijing, CHN) ,  LI Jianqiang (Beijing Univ. Technol., Beijing, CHN) ,  CHEN Cheng (Chinese Acad. Sci., Beijing, CHN) ,  TAN Wei (IBM T.J. Watson Res. Center, NY, USA) ,  CHEN Qiang (Chinese Acad. Sci., Beijing, CHN) ,  ZHOU MengChu (New Jersey Inst. Technol., NJ, USA)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 11  号： 3  ページ： 583-590  発行年： 2015年06月 
JST資料番号： W1434A  ISSN： 1551-3203  CODEN： ITIICH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本稿では,MDLatsと呼ばれる,大規模時系列のモチーフ発見のためのアルゴリズムとシステムを提供した。それは,大規模データセットを取扱った時しばしば不十分だった従来の欠点を克服するため,近似的方法と正確な方法の利点を組合せ,そしてモチーフを効率良くそして正確に発見するためランダムプロジェクションアルゴリズムとユークリッド距離を活用した。それは,類似の部分列全てを含む,最終モチーフを適応して発見することに基づき,標準のモチーフを計算することにより効率と正確さのバランスを取った。生産レベルシステムをHadoopプラットフォームに実装した。心電図分類についての実験結果および実世界健康管理応用により,MDLatsの有効性を立証した。

シソーラス用語： *健康管理 ,  *時系列 ,  *発見 ,  写像 ,  距離 ,  ソフトウェア ,  心電図
準シソーラス用語： Euclid距離 ,  Hadoop ,  *モチーフ発見 ,  ランダムプロジェクション

分類 (1件)： 医療制度  (GB04020H)

タイトルに関連する用語 (3件)： 大規模 ,  時系列 ,  モチーフ発見