Efficient Range and kNN Twin SubsequenceSearch in Time Series（TKDE2022）

分析时间序列数据对许多应用都至关重要。子序列搜索指的是在输入时间序列T中找到与查询序列q相似的子序列。现有的子序列搜索方法通常采用欧几里得距离或动态时间弯曲作为相似性度量和地址范围查询。在本文中，我们主要关注切比雪夫距离(Chebyshev distance)，即两个比较子序列在整个长度上的每一对点之间的最大差异。我们称这种相似的双胞胎为双胞胎。首先展示了如何扩展现有的时间序列索引以执行孪生子序列搜索。然后，提出了一种适用于孪生子序列查询计算的索引——TS-Index。此外，鉴于指定距离阈值通常并不直接，本文展示了TS-Index如何用于评估kNN查询。广泛的实验评估使用实时时间序列数据集对这些方法进行了比较。实验结果表明，TS-Index在各种条件下都能比其他方法更快地检索出孪生子序列

阅读者总结：这篇论文的在索引设计上的新颖度一般，主要是利用时间序列集合最小外界框，然后基于这个外界框实现搜索树的构建，优化过程主要集中在分组构建外界框。整体上这类从时间序列集合中找到与查询时间序列最相似的等长子序列，在算法设计上的效果不好，尤其是利用外界框，这会导致上下框边界松弛，产生大量的候选对象，也就是剪枝效果不理想，导致查询性能一般

THE TS-INDEX

我们提出了TS-Index，它是专门为双子序列搜索而设计的。首先，我们提供其结构的概述，并解释它是如何构建的。然后，提出了一种指定距离阈值的孪生子序列查询算法。我们还提出了减少索引大小及其构建成本的优化方法。最后，讨论TS-Index如何应用于kNN查询。后者在实践中非常有用，因为用户指定距离阈值通常不直观

5.1索引结构

TS-Index的核心概念是最小边界

时间序列(MBTS)mbt是一对序列，通过表示每个时间戳上的最大值和最小值，将一组时间序列T完全封装起来。

 实验部分

。。。。。。。。。。。。。。。。。。。。。