چکیده :
بازیابی دوره ای اطلاعات سری زمانی به عنوان یک مسئله چالش انگیز می باشد که دارای اهمیت زیادی در بسیاری از کاربردها می باشد.اکثر فعالیت های پیشین تمرکز خود را بر روی بررسی الگوه های دوره ای غیرهمزمان قرار داده و حضور الگوه های تغییر یافته را به دلیل مداخله مشکلات تصادفی مد نظر قرار نمی دهد. در این مقاله , ما یک مدل انعطاف پذیرتری را در ارتباط با الگوه های نامتقارن دوره ای مطرح می کنیم که تنها در این توالی مد نظر قرار گرفته و وقوع آن ها به دلیل وجود این اختلافات انتقال می یابد.دو پارامتر یعنی و به کار گرفته می شوند تا به تعیین حداقل تعداد تکرارها که در هر بخش مربوط به وقوع این الگوه ها روی می دهد و حداکثر این موارد که باعث ایجاد یک توزیع بین این دو بخش های متوالی می گردد , بپردازد. برای جبران کردن این دو مورد , بلندترین توالی مربوط به این الگوه ها برگشت داده می شود.یک الگوریتم دو مرحله ای طراحی می گردد تا در ابتدا به ایجاد پتانسیل های دوره ای توسط فرایندهای فاصله محور گشته که توسط یک رویکرد تکراری برای کسب و تایید الگوه های کاندیدا و مد نظر قرار دادن یک توالی بلند مدت , دنبال می گردد. ما همچنین نشان می دهیم که این الگوریتم نه تنها پیچیدگی های زمانی خطی را با توجه به طول این توالی ها ایجاد می کند بلکه یک کارایی فاصله ای را ایجاد می کند.
کلمات کلیدی. الگوهای دوره ای غیرهمزمان , روش های بخش محور , دوره ای بودن بخشی
—————————————————————————————-
عنوان اصلی مقاله:Mining Asynchronous Periodic Patterns in Time Series Data
ترجمه فارسی عنوان:بررسی الگوه های دوره ای غیرهمزمان (اسنکرون) در اطلاعات سری زمانی.
تعداد صفحات انگلیسی: ۳۴صفحه
تعداد صفحات ترجمه فارسی: ۳۳ صفحه
قیمت ترجمه فارسی: ۱۵۵۰۰تومان
دانلود نسخه انگلیسی ژورنال و خرید ترجمه فارسی به صورت آنلاین از لینک های پایین
برای دانلود رایگان اصل مقاله و خرید ترجمه اینجا کلیک کنید
برچسب:
نویسنده: یونا کاظمی