基于哈希技术的时间序列近似查询研究-计算机应用技术专业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 宁波大学或其他教育机构的学位或证书所使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了 谢意。 若有不实之处，本人愿意承担相关法律责任。 签名： 日期： 关于论文使用授权的声明 本人完全了解宁波大学有关保留、使用学位论文的规定，即：学校 有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论 文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 （保密的论文在解密后应遵循此规定） 签名： 导师签名： 日期： 宁波大学硕士学位论文 基于哈希技术的时间序列近似查询研究 摘 要 近 年 来 ， 随 着 互 联 网 的 快 速 发 展 ， 随 时 随 刻 产 生 着 不 计 其 数 的 信 息 。 在 数 据 挖 掘 、 机 器 学 习 、 信 息 检 索 等 领 域 ， 如 何 从 庞 大 的 信 息 中 ， 挖 掘 有 用 的 信 息 显 得 尤 为 重 要 。 这 些 信 息 包 含 多 种 数 据 ， 其 中 有 一 种 是 与 时 间 有 关 的 数 据 ， 即 时间 序列。 时间序 列广泛 存在于 各个领 域中， 如金融 、地理 、医学 和气象 等。 目 前 时 间 序 列 数 据 研 究 主 要 集 中 在 时 间 序 列 的 相 似 性 查 询 、 时 间 序 列 的 聚 类 /分 类 分 析 、 时 间 序 列 的 可 视 化 研 究 、 时 间 序 列 的 分 段 、 时 间 序 列 的 趋 势 预 测 和异 常检测 等。 时 间 序 列 相 似 性 问 题 是 时 间 序 列 挖 掘 中 一 个 基 础 问 题 ， 自 被 提 出 以 来 一 直 备 受 关 注 。 所 以 选 择 时 间 序 列 相 似 性 查 询 作 为 研 究 很 有 意 义 。 由 于 时 序 数 据 的 数 值 性 和 连 续 性 ， 一 般 考 虑 的 是 时 间 序 列 的 整 体 而 不 是 单 个 数 值 。 所 以 与 传 统 数 据 库 的 相 似 性 查 询 不 同 ， 时 间 序 列 数 据 的 相 似 性 查 询 一 般 以 近 似 的 方 式 进 行。 由 于 时 间 序 列 的 高 维 性 ， 很 难 直 接 对 它 进 行 处 理 。 而 哈 希 技 术 是 一 种 很 常 用 的 压 缩 映 射 技 术 ， 它 可 以 通 过 散 列 算 法 把 任 意 长 度 的 输 入 转 换 成 固 定 长 度 的 输 出 。 该 输 出 值 的 空 间 通 常 远 小 于 输 入 的 空 间 ， 因 此 可 以 使 用 哈 希 技 术 来 处 理 时间 序列。 本文 的主要 研究内 容包括 以下几 个方面 ： 首 先 提 出 一 种 利 用 LSH（ Locality Sensitive Hashing， 局 部 敏 感 哈 希 ） 算 法 处 理 时 间 子 序 列 匹 配 问 题 的 方 法 LSHSM。 LSH 能 够 将 距 离 近 的 对 象 以 很 高 的 概 率 哈 希 到 同 一 个 桶 中 ， 通 过 这 样 的 处 理 ， 可 以 过 滤 很 多 不 相 似 的 对 象 ， 避 免 不 必 要 的 比较 ， 从 而大 大 提 高检 索 速 度。 不 同 于 FRM 和 DualMatch 方 法， 本 文 方法 不 需 要 对 时 间 序 列 做 DFT、 DWT 等 特 征 变 换 ， 而 是 直 接 把 序 列 当 成 高 维 数 据 点 ， 利 用 LSH 能 处 理 高 维 数 据 的 特 性 来 查 找 时 间 子 序 列 。 实 验 采 用 三 种 不 同 的 时 间 序 列数 据集， 验证了 算法的 有效性 。 然 后 通 过 引 入 关 联 删 除 的 概 念 ， 来 处 理 两 个 属 性 的 时 间 序 列 。 若 要 根 据 时 间 序 列 的 一 个 属 性 删 除 另 一 个 属 性 ， 为 了 保 持 时 间 序 列 数 据 的 一 致 性 ， 需 要 存 储 两 个 属 性 的 关 联 信 息 。 布 鲁 姆 过 滤 器 是 一 种 很 强 大 的 表 示 数 据 概 要 的 工 具 。 利 用 它 们 来 分 别 表 示 时 间 序 列 数 据 两 个 属 性 的 概 要 ， 实 现 对 过 期 数 据 的 删 除 操 I 基于哈希技术的时间序列近似查询研究 作