时间序列大数据分析:基于粒计算的时间粒建模与运算
需积分: 14 90 浏览量
更新于2024-07-17
1
收藏 866KB PDF 举报
"基于粒计算的时间粒建模及其基本运算,主要探讨了在处理复杂时间序列大数据问题时,如何利用等价关系和全序关系对时间序列进行粒度化建模,形成时间粒系统(TGS)。该研究证明了时间粒集合构成一个完全格,并构建了时间粒哈斯图,用于描述时间粒的语义、二元关系以及多粒度转换。此外,还定义了一元和二元计算,以及它们的逻辑等价公式,这些构成了一个完备的格代数系统,适用于时间粒度的转换、关系计算和逻辑推理。"
这篇论文的研究焦点集中在时间序列数据分析的理论基础上,尤其是在面对大量复杂时间序列数据时。时间序列数据的形式化处理是解决此类问题的关键,而粒计算提供了一种有效的工具。基于等价关系和全序关系,研究者徐健锋、张远健和苗夺谦提出了时间粒系统(TGS)的概念,该系统能够对时间序列数据进行粒度化处理,以适应不同的分析需求。
时间粒度化是时间序列大数据分析中的常见现象,它将连续的时间段分解成离散的时间单元,便于管理和处理。论文证明了在TGS中,所有时间粒组成的是一个完全格,这意味着在该系统中存在最小元素、最大元素,任何两个元素之间都有上界和下界,这为操作和比较时间粒提供了结构基础。
为了更好地理解和操作时间粒,研究者构造了时间粒哈斯图,这是一种图形化的表示方法,可以直观地展示时间粒之间的关系和层次结构。通过时间粒哈斯图,可以清晰地分析时间粒的语义,即每个时间粒代表的意义,以及时间粒之间的二元关系,如包含、重叠等。
论文进一步定义了一元计算和二元计算,这些计算规则允许在不同粒度之间进行转换,并进行时间粒之间的关系计算。例如,可以确定一个时间粒是否包含在另一个时间粒内,或者它们是否有重叠部分。这些计算定义与逻辑等价公式一起,构成了一个完备的代数系统,使得在时间粒系统中可以进行逻辑推理,处理更复杂的关系。
这项工作对于理解、操作和分析时间序列大数据具有重要意义,不仅提供了理论框架,还为实际应用提供了计算和推理的工具。其在时间序列数据挖掘、智能监控、预测分析等领域有广阔的应用前景。通过这样的粒计算方法,可以更有效地处理时间序列大数据,提升数据分析的效率和准确性。
2021-05-14 上传
2021-05-14 上传
2023-06-23 上传
2023-02-19 上传
2023-02-19 上传
2023-05-28 上传
2023-11-27 上传
2023-05-24 上传
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
weixin_39840650
- 粉丝: 409
- 资源: 1万+
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储