NLC: Search Correlated Window Pairs on Long Time Series(VLDB2022)

西西弗的小蚂蚁

已于 2024-04-21 13:16:26 修改

阅读量179

点赞数

分类专栏：时间序列/高维数据相似性查询文章标签： java 开发语言

于 2022-08-13 14:13:16 首次发布

本文链接：https://blog.csdn.net/zj_18706809267/article/details/126315564

版权

该论文提出了非线性相关搜索(NLC)方法，用于在长时间序列中寻找相关窗口对，解决了现有方法局限于线性相关性和未处理复杂时间关系的问题。NLC包括窗口收缩和扩展策略生成候选集，然后通过一维嵌套搜索进行优化。实验表明，NLC在效率和效果上表现出色，为时间序列挖掘提供了新的解决方案。

摘要由CSDN通过智能技术生成

目前，许多应用，如物联网和工业互联网，从传感器连续收集数据点，形成长时间序列。发现时间序列之间的相关性是许多时间序列挖掘问题的基本任务。然而，现有的工作要么局限于检测关系的类型，如仅检测线性相关关系，要么未处理复杂的时间关系，如未考虑非对齐窗口或可变窗口长度。本文提出了一种有效的方法——非线性相关搜索(NLC)，用于搜索两个长时间序列上的相关窗口对。首先，提出窗口收缩和窗口扩展两种策略，快速找到高质量的相关窗口对候选;然后，通过嵌套一维搜索方法对候选集进行优化;进行了系统的实证研究，验证了所提出方法在合成和真实数据集上的效率和有效性。

阅读者总结：这篇论文在检索长时间序列最大信息熵窗口对问题上，主要创新：1）提出了这个问题，应该说，整篇论文的最大亮点在于问题本身。文中设计的算法不算很新颖，简单说就是find-refine两个过程。2）文中另一方面是在分析这个问题上，采用数据驱动的方式，很有说服力，使阅读者相信这个问题值得采用新办法解决，同时在写作和文章布局上值得学习。

3）这篇论文和ICDE 2022上对齐窗口索引压缩问题，有类似的背景。但是ICDE上考虑的时间窗口对齐，没有考虑窗口时间延迟。因此这篇论文其实可以借鉴ICDE上的方式，以查询索引的方法寻找相关延迟窗口对，感觉上来说，查询时间和效率应该会比当前采用放缩窗口的方法要高很多。