海量实时序列数据指数平滑预测分割算法

• 作者: 于重重 崔世杰 程晓卿 苏维均
• 来源期刊: 计算机应用研究
• 关键词: 实时时序数据 指数平滑预测算法 序列统计特性 时间序列分割
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 软件技术研究
• 页码范围: 2712-2715,2720
• 页数: 5页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.09.034

摘要

时间序列分割是时间序列挖掘的重要任务之一.实时数据快速变化,数据量巨大,所以如何对实时数据进行快速而准确的分割很具有挑战性.提出基于指数平滑预测的滑动时间窗分割算法可以快速有效地分割在线实时数据,该算法基于滑动窗口和平滑指数算法,分析实时数据的统计特性,推导出序列的预测误差和压缩率之间的关系,通过序列预测的误差来判断分割点,加入校验环节提高算法的健壮性.通过本课题所使用的数据集以及公共数据集验证算法结果说明,该算法能够有效地在线检测出实时数据的分割点,并且时间复杂度较低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏维均	北京工商大学计算机与信息工程学院	48	448	11.0	19.0
2	于重重	北京工商大学计算机与信息工程学院	99	762	14.0	23.0
4	程晓卿	北京交通大学轨道交通控制与安全国家重点实验室	17	232	9.0	15.0
5	崔世杰	北京工商大学计算机与信息工程学院	5	17	3.0	4.0