کد محصول:CM40
قیمت فایل ترجمه شده: ۱۵۰۰۰ تومان
تعداد صفحه انگلیسی:۳۴
سال نشر: ۲۰۱۳
تعداد صفحه ترجمه فارسی: ۳۳ صفحه word
عنوان فارسی:
مقاله ترجمه شده الگوهای تناوبی اسنکرون داده کاوی در سری زمانی داده
عنوان انگلیسی:
Mining asynchronous periodic patterns in time series data
چکیده فارسی:
کشف تناوبی داده های سری زمانی به عنوان مسئله مهمی در بسیاری از برنامه های کاربردی می باشد. اکثر تحقیقات پیشین تمرکز خود را بر روی بررسی الگوهای تناوبی اسنکرون قرار داده و حضور الگوهای ناهمتراز را به دلیل مداخله پارازیت های تصادفی مد نظر قرار نمی دهد. در این مقاله، مدل انعطاف پذیرتری را در ارتباط با الگوهای تناوبی اسنکرون مطرح می کنیم که تنها درون توالی مد نظر قرار گرفته و وقوع آن ها به دلیل وجود این اختلالات تغییر می یابد. دو پارامتر min-rep و max-dis،به کار گرفته می شوند تا به تعیین حداقل تعداد تکرارها بپردازیم که در هر بخش از ظهور الگوها غیرمختل و حداکثر اختلال بین دو بخش معتبرمتوالی، مورد نیاز می باشد. بعد از برطرف شدن این دو شرایط، بلندترین توالی معتبر الگو، برگشت داده می شود. یک الگوریتم دو مرحله ای طراحی می گردد تا در ابتدا به ایجاد دوره های بلقوه از طریق برش مبتنی بر مسافت به دنبال روش تکرار برای دسترسی و ایجاد اعتبتر برای الگوها و مکان یابی طولانی ترین توالی معتبر بپردازد. ما همچنین نشان می دهیم که این الگوریتم نه تنها پیچیدگی های زمانی طولی را با توجه به طول توالی ها ایجاد می کند بلکه دسترسی به بهره وری فضا دارد.
کلیدواژه: الگوهای تناوبی اسنکرون، روش مبتنی بر بخش، تناوب نسبی
۱. مقدمه
تشخیص تناوبی در ارتباط با اطلاعات سری زمانی به عنوان یک مسئله چالش انگیز می باشد که دارای اهمیت مهمی در بسیاری از کاربردها می باشد.بیشتر تحقیقات گذشته در این دوره بر این مبنا می باشد که اختلالات در یک سری از تکرار الگوها، منجر به عدم همزمان سازی وقوع متوالی الگوها با توجه به رویدادهای گذشته نمی گردد. برای نمونه، “جو اسمیت هر روز روزنامه می خواند” به عنوان یک الگوی تناوبی می باشد. حتی اگر او هر از گاهی در صبحگاه روزنامه نخواند، چنین اختلالی این حقیقت را تحت تاثیر قرار نمی دهد که او در صبح چند روز متوالی روزنامه می خواند. به عبارت دیگر، این اختلالات تنها در ارتباط با وقوع مشکلات پیش می آید اما این موارد معمول تر از ورود پارازیت های تصادفی نمی باشد. به هر حال چنین فرضیاتی اغلب محدود کننده بوده از این رو ما ممکن است نتوانیم به تشخیص بعضی از الگوها بپردازیم اگر بعضی از این توالی ها به دلیل وجود پارازیت ها، دچار اختلال گردند. کاربردهای مربوط به پر کردن موجودی ها را مد نظر قرار دهید. پیشینه مربوط به سفارشات صورت های موجود به عنوان یک توالی مد نظر قرار می گیرد. تصور کنید، که فاصله زمانی بین اشباع داروها به طور نرمال، ماهانه باشد. شیوه های مربوط به اشباع سازی در شروع هر ماه قبل از شروع آنفولانزا مد نظر قرار می گیرد که در نهایت منتهی به فرایند اشباع سازی در هفته سوم می گردد. به این ترتیب اگر چه این بسامد اشباع سازی, در هر ماه تکرار می گردد، این زمان به سه هفته در ماه منتهی می گردد. از این رو، این مورد زمانی مد نظر قرار می گیرد که این الگوها قابل تشخیص بوده و این اختلالات در یک حد مطلوبی باشد.
علاوه بر این، عملکرد این سیستم در طول زمان تغییر می یابد. بعضی از این الگوها ممکن است در طول زمان واقع نگردند. بنابراین در این مقاله ما الگوهای تناوبی را مد نظر قرار می دهیم که در یک سری از توالی هایی مد نظر می باشند که ممکن است باعث ایجاد اختلالات طولی در یک حد خاصی گردند.دو پارامتر، به نام های و به کار گرفته می شوند تا به تعیین الگوها و علائم متوالی مربوط به آن پرداخته که در نهایت چنین توالی هایی به عنوان لیستی از بخش های معتبر به عنوان یک فرایند تکرار در بین این بخش ها قرار می گیرند. هر یک از این بخش های معتبر می بایست حداقل به عنوان تکراری از الگوها بوده و طول هر یک از این پارازیت ها بیشتر از می باشد. درکی که در پشت این موارد وجود دارد این است که، یک طرح می بایست خودش را حداقل در چندین زمان تکرار کند تا به اثبات اهمیت و توالی های خود بپردازد. از طرف دیگر، اختلاف بین دو بخش مورد نظر می بایست در یک محدوده منطقی باشد .