Role of Similarity Measures in Time Series Analysis

Abstract

<p>The subject of this dissertation encompasses a comprehensive overview<br />and analysis of the impact of Sakoe-Chiba global constraint on the most<br />commonly used elastic similarity measures in the field of time-series data<br />mining with a focus on classification accuracy. The choice of similarity<br />measure is one of the most significant aspects of time-series analysis&nbsp; -&nbsp; it<br />should correctly reflect the resemblance between the data presented in<br />the form of time series. Similarity measures represent a critical<br />component of many tasks of mining time series, including: classification,<br />clustering, prediction, anomaly detection, and others.</p><p>The research covered by this dissertation is oriented on several issues:</p><p>1.&nbsp; review of the effects of&nbsp; global constraints on the<br />performance of computing similarity measures,</p><p>2.&nbsp; a detailed analysis of the influence of constraining the elastic<br />similarity measures on the accuracy of classical classification<br />techniques,</p><p>3.&nbsp; an extensive study of the impact of different weighting<br />schemes on the classification of time series,</p><p>4.&nbsp; development of an open source library that integrates the<br />main techniques and methods required for analysis and<br />mining time series, and which is used for the realization of<br />these experiments</p>

<p>Predmet istraživanja ove disertacije obuhvata detaljan pregled i analizu uticaja Sakoe-Chiba globalnog ograničenja na najče&scaron;će kori&scaron;ćene elastične mere sličnosti u oblasti data mining-a vremenskih serija sa naglaskom na tačnost klasifikacije. Izbor mere sličnosti jedan je od najvažnijih aspekata analize vremenskih serija&nbsp; -&nbsp; ona treba&nbsp; verno reflektovati sličnost između podataka prikazanih u obliku vremenskih serija.&nbsp; Mera sličnosti predstavlјa kritičnu komponentu mnogih zadataka&nbsp; mining-a vremenskih serija, uklјučujući klasifikaciju, grupisanje (eng.&nbsp; clustering), predviđanje,&nbsp;otkrivanje anomalija i drugih.</p><p>Istraživanje obuhvaćeno ovom disertacijom usmereno je na nekoliko pravaca:</p><p>1.&nbsp; pregled efekata globalnih ograničenja na performanse računanja mera sličnosti,</p><p>2.&nbsp; detalјna analiza posledice ograničenja elastičnih mera sličnosti na tačnost klasifikacije klasičnih tehnika klasifikacije,</p><p>3.&nbsp; opsežna studija uticaj različitih načina računanja težina (eng. weighting scheme) na klasifikaciju vremenskih serija,</p><p>4.&nbsp; razvoj biblioteke otvorenog koda (Framework for Analysis and Prediction&nbsp; -&nbsp; FAP) koja će integrisati glavne tehnike i metode potrebne za analizu i mining&nbsp; vremenskih serija i koja je kori&scaron;ćena za realizaciju ovih eksperimenata.</p>

<p>Predmet istraživanja ove disertacije obuhvata detaljan pregled i analizu uticaja Sakoe-Chiba globalnog ograničenja na najče&scaron;će kori&scaron;ćene elastične mere sličnosti u oblasti data mining-a vremenskih serija sa naglaskom na tačnost klasifikacije. Izbor mere sličnosti jedan je od najvažnijih aspekata analize vremenskih serija&nbsp; -&nbsp; ona treba&nbsp; verno reflektovati sličnost između podataka prikazanih u obliku vremenskih serija.&nbsp; Mera sličnosti predstavlja kritičnu komponentu mnogih zadataka&nbsp; mining-a vremenskih serija, uključujući klasifikaciju, grupisanje (eng.&nbsp; clustering), predviđanje,&nbsp;otkrivanje anomalija i drugih.</p><p>Istraživanje obuhvaćeno ovom disertacijom usmereno je na nekoliko pravaca:</p><p>1.&nbsp; pregled efekata globalnih ograničenja na performanse računanja mera sličnosti,</p><p>2.&nbsp; detaljna analiza posledice ograničenja elastičnih mera sličnosti na tačnost klasifikacije klasičnih tehnika klasifikacije,</p><p>3.&nbsp; opsežna studija uticaj različitih načina računanja težina (eng. weighting scheme) na klasifikaciju vremenskih serija,</p><p>4.&nbsp; razvoj biblioteke otvorenog koda (Framework for Analysis and Prediction&nbsp; -&nbsp; FAP) koja će integrisati glavne tehnike i metode potrebne za analizu i mining&nbsp; vremenskih serija i koja je kori&scaron;ćena za realizaciju ovih eksperimenata.</p>