文献

J-GLOBAL ID：201802240703709654   整理番号：18A0162608

可変長発見時系列モチーフのIterativE文法に基づくフレームワーク【Powered by NICT】

IterativE Grammar-Based Framework for Discovering Variable-Length Time Series Motifs

著者 (3件)： Gao Yifeng ,  Lin Jessica ,  Rangwala Huzefa
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDM  ページ： 111-116  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 近年,時系列における反復類似パターンを見つける一般的な問題となっている。これらのパターンは,時系列モチーフと呼ばれている。最近の研究は,記号時系列からの反復パターンを見出すために文法圧縮アルゴリズムを用いた可変長近似モチーフを発見する有望であることを示した。しかし,文法圧縮アルゴリズムは,伝統的にストリング圧縮用に設計されている。文法誘導に関する既存の研究は,完全にはアルゴリズムの性能を向上させるために使用できる多くの利用可能な情報を利用してきた。本研究では,文法帰納に基づく反復フレームワークを提案した。各反復において,雑音低減オペレータと呼ばれる改訂演算子はベース文法帰納アルゴリズムからのルールに基づく記号時系列ストリングを修正に適用した。我々の実験では,提案した研究は,同じ品質のモチーフを発見し,実世界時系列データにおける最新の可変長正確なモチーフ発見アルゴリズムに比べて時間をはるかに速くできることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 帰納推論 ,  近似法 ,  アルゴリズム ,  オペレータ ,  雑音低減 ,  品質 ,  *文法
準シソーラス用語： モチーフ発見 ,  時系列データ ,  文法圧縮 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (6件)： 可変長 ,  発見 ,  時系列 ,  モチーフ ,  文法 ,  フレームワーク