Online Event-driven Subsequence Matching over Financial Data Streams

Online Event-driven Subsequence Matching over Financial Data Streams

时间序列数据库中的子序列相似性匹配是许多应用领域的重要研究内容。提出了一种面向海量数据流的自动在线子序列相似性匹配近似方法。通过对输入数据流同时进行在线分割和剪枝算法，得到的数据流分段线性表示具有很高的灵敏度和准确性。相似性的定义基于排列和度量距离函数，为相似性搜索提供了灵活性、敏感性和可扩展性。此外，基于度量的索引方法也可用于加速。为降低系统负担，仅当潜在事件存在时才执行事件驱动的相似性搜索。查询序列是系统自动生成的传入数据流的分段数据表示的最新子序列。根据具体应用的需求，对检索结果进行不同方式的分析。讨论了一种基于统计信息的未来数据移动预测应用。在真实股票数据上进行了实验。利用趋势预测的正确性来评价子序列相似性匹配的性能