PGG:An Online Pattern Based Approach for Stream Variation Management

摘要

许多数据库应用要求与价值变化和变动采样频率的数据流的有效处理。变化典型地暗示流和内在的对象的重要域知识的基本特点。在某数据流，连续事件似乎确实在某个时间间隔，而是数据复发当时间过去，与微小的 diffeerences 演变。这个特征因此叫了假频率，提出新挑战到溪流变化管理。这研究在如此的溪流上为变化集中于联机管理。这个想法能被用于象耐心的重要信号在医药应用监视那样的许多情形。这篇论文建议一个新方法说出模式生长图(PGG ) 在与后面的特征发展溪流上检测并且设法变化：1 ) 采用波浪模式捕获数据进化的主要信息并且简洁地代表他们；2 ) 在波浪模式的帮助下在溪流上在一张单个通行证检测变化匹配算法；3 ) 仅仅存储模式的不同片断为到来的溪流，并且没有失去重要信息，实质地因此压缩数据；4 ) 把有意义的数据变化与噪音区分开来并且重建有可接受的精确性的溪流。包含百万个数据项目的真实数据集的广泛的实验，以及一个原型系统，被执行表明建议计划的可行性和有效性。这篇文章(doi:10.1007/s11390-008-9149-4 ) 的联机版本包含增补材料，它对授权用户可得到。