مشخصات کتاب

Efficient Mining of Partial Periodic Patterns in Time Series Database

ویرایش:  
نویسندگان: Han J.,  Dong G.,  Yin Y.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 10 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 112 Kb 

در صورت تبدیل فایل کتاب Efficient Mining of Partial Periodic Patterns in Time Series Database به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب استخراج کارآمد الگوهای دوره ای جزئی در پایگاه داده سری زمانی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب استخراج کارآمد الگوهای دوره ای جزئی در پایگاه داده سری زمانی

جستجوی تناوب جزئی ، یعنی جستجوی الگوهای دوره ای جزئی در پایگاه داده های سری زمانی ، یک مشکل جالب کاوی است. مطالعات قبلی در مورد جستجوی تناوبی عمدتاً یافتن الگوهای دوره ای کامل را در نظر می گیرد ، جایی که هر نقطه از زمان (دقیقاً یا تقریباً) به تناوبی کمک می کند. با این حال ، تناوب جزئی در عمل بسیار متداول است زیرا احتمالاً فقط برخی از قسمت های زمانی ممکن است الگوریتم های دوره ای را به نمایش بگذارند. ما چندین الگوریتم برای استخراج کارآمد الگوهای دوره ای جزئی ارائه می دهیم ، با کاوش برخی از خصوصیات جالب مربوط به تناوب جزئی ، مانند خاصیت آپریوری و حداکثر-زیر صفحه دارای خاصیت مجموعه ای ، و توسط معدن مشترک به اشتراک گذاشته شده از دوره های چندگانه. خاصیت مجموعه حداکثر Subpattern یک خاصیت جدید حیاتی است که به ما امکان می دهد تعداد الگوهای مکرر را از زیر مجموعه ای نسبتاً کوچک از الگوهای موجود در سری زمانی استخراج کنیم. ما نشان می دهیم که استخراج تناوب جزئی فقط به دو پایگاه داده سری زمانی ، حتی برای معدن چندین دوره نیاز دارد. مطالعه عملکرد نشان می دهد که روشهای پیشنهادی ما در استخراج الگوهای دوره ای طولانی بسیار کارآمد هستند.

توضیحاتی درمورد کتاب به خارجی

Partial periodicity search, i.e., search for partial periodic patterns in time-series databases, is an interesting data mining problem. Previous studies on periodicity search mainly consider finding full periodic patterns, where every point in time contributes (precisely or approximately) to the periodicity. However, partial periodicity is very common in practice since it is more likely that only some of the time episodes may exhibit periodic patterns.We present several algorithms for efficient mining of partial periodic patterns, by exploring some interesting properties related to partial periodicity, such as the Apriori property and the max-subpattern hit set property, and by shared mining of multiple periods. The max-subpattern hit set property is a vital new property which allows us to derive the counts of all frequent patterns from a relatively small subset of patterns existing in the time series. We show that mining partial periodicity needs only two scans over the time series database, even for mining multiple periods. The performance study shows our proposed methods are very efficient in mining long periodic patterns.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب El derecho como fenómeno psicosocial. un estudio sobre el pensamiento de K. Olivercrona

دانلود کتاب Pro Spring Integration

دانلود کتاب Die dielektrische Trocknung bei erniedrigtem Luftdruck mit Beiträgen zum physikalischen Verhalten der Mischkörper

دانلود کتاب Sonne, Mond und Sterne über dem Reich der Inka

دانلود کتاب Embodied Sporting Practices: Regulating and Regulatory Bodies