Masterarbeit

Data-Mining von Umweltzeitreihen mit Hilfe der Symbolic Aggregation Approximation (SAX)

Christiane Göhring (03/2016-09/2016)

Betreuer: Oliver Archner, Stefan Holzheu

Data-Mining von Umweltzeitreihen mit Hilfe der Symbolic Aggregation Approximation (SAX)

Aufgabenstellung

Mit SAX existiert eine einfache und vielversprechende verlustbehaftete Kompressionsmethode für Zeitreihen. Die Anwendung der Methode ermöglicht eine performante Ähnlichkeitssuche. Es lassen sich Fragestellungen wie z.B. „Zeige mir die am ähnlichste Zeitreihe zu einer bestehenden Zeitreihe" beantworten. 
Ziel dieser Arbeit ist die Programmierung einer SAX-Erweiterung der BayEOS Server Datenbank zur Vorverarbeitung und Abfrage von Zeitreihen.

Methode

  • Implementierung des SAX Algorithmus
  • Integration des Algorithmus in die bestehende Server Architektur
  • Automatische Prozessieren von Zeitreihen für unterschiedliche Zeitintervalle
  • Implementierung einer REST/HTTP Schnittstelle zur Suche von ähnlichen Zeitreihen
  • Test der Schnittstelle
  • Beurteilung der Suchergebnisse

Stichworte: Data Mining, Time Series Representation, Dimensionality Reduction, Java, REST

Literatur

Lin, Jessica; Keogh, Eamonn; Wei, Li; Lonardi, Stefano (2007): Experiencing SAX: a novel symbolic representation of time series. In: Data Mining and Knowledge Discovery 15 (2), S. 107–144. DOI: 10.1007/s10618-007-0064-z.

Diese Webseite verwendet Cookies. weitere Informationen