%0 Journal Article
%T 基于适应性分段估计的数据流相似性搜索
%A 吴枫？
%A 仲妍？
%A 吴泉源？
%A 贾焰？
%A 杨树强？
%J 软件学报
%P 2867-2884
%D 2009
%X 相似性搜索在股票交易行情、网络安全、传感器网络等众多领域应用广泛.由于这些领域中产生的数据具有无限的、连续的、快速的、实时的特性,所以需要适合数据流上的在线相似性搜索算法.首先,在具有或不具有全局约束条件下,分别提出了没有索引结构的dtw(dynamictimewarping)下限函数lb_seg_wfglobal和lb_seg_wf,它们是一种分段dtw技术,能够处理数据流上的非等长序列间在线相似性匹配问题.然后,为了进一步提高lb_seg_wfglobal和lb_seg_wf的近似程度,提出了一系列的改进方法.最后,针对流上使用lb_seg_wfglobal或lb_seg_wf可能会出现连续失效的情况,分别提出了dtw的下限函数lb_wfglobal(具有全局约束条件)和上限函数ub_wf、下限函数lb_wf(不具有全局约束条件).通过增量方式快速估计dtw,极大地减少了估计dtw的冗余计算量.通过理论分析和统计实验,验证了该方法的有效性.
%K 相似性搜索
%K 数据流
%K 时间序列分析
%K 动态时间扭曲
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=3548&flag=1