文献

J-GLOBAL ID：202002274038008523   整理番号：20A1867443

行列プロファイルX VALMOD データ系列における可変長モチーフのスケーラブル発見【JST・京大機械翻訳】

Matrix Profile X VALMOD - Scalable Discovery of Variable-Length Motifs in Data Series

著者 (4件)： Linardi Michele (University Paris Descartes, Paris, France) ,  Zhu Yan (University of California Riverside, Riverside, CA, USA) ,  Palpanas Themis (Paris Descartes University, Paris, France) ,  Keogh Eamonn (University of California Riverside, Riverside, CA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGMOD ’18  ページ： 1053-1066  発行年： 2018年 
JST資料番号： D0698C  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： 過去15年間,データ系列モチーフ発見が,ロボット工学,昆虫学,地震学,医学,および気候学を含む,多くのドメインへの応用で,データ系列マイニングのための最も有用なプリミティブの1つとして浮上している。それにもかかわらず,最先端のモチーフ発見ツールは,まだ,モチーフ長を提供するためにユーザを必要とする。しかし,少なくともいくつかの場合において,モチーフ長の選択は,重要であり,そして,偽造である。残念なことに,与えられた範囲内の全ての長さを試験する明白な br力解は,計算不可能であった。本研究では,任意の距離で全てのモチーフを効率的に発見する正確でスケーラブルなモチーフ発見アルゴリズムであるVALMODを導入した。このアプローチを5つの多様な実データセットを用いて評価し,最先端技術よりも20倍高速であることを示した。また,結果は,ユーザが正しい長さを知っているという非現実的な仮定を除去すると,しばしば,より直感的で行動可能な結果を生じることができ,そうでなければ見逃されるかもしれないことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  気候学 ,  地震学
準シソーラス用語： ロボット工学 ,  モチーフ発見 , 【Automatic Indexing@JST】

著者キーワード (5件)： データマイニング ,  データシリーズ ,  モチーフ発見 ,  時系列 ,  可変長

分類 (4件)： 分子・遺伝情報処理  (JE15040B) ,  パターン認識  (JE07000S) ,  遺伝子の構造と化学  (EC02020U) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 行列 ,  プロファイル ,  系列 ,  可変長 ,  モチーフ ,  発見