JP4801566B2 - データストリーム監視装置、データストリーム監視方法、そのプログラムおよび記録媒体 - Google Patents
データストリーム監視装置、データストリーム監視方法、そのプログラムおよび記録媒体 Download PDFInfo
- Publication number
- JP4801566B2 JP4801566B2 JP2006318752A JP2006318752A JP4801566B2 JP 4801566 B2 JP4801566 B2 JP 4801566B2 JP 2006318752 A JP2006318752 A JP 2006318752A JP 2006318752 A JP2006318752 A JP 2006318752A JP 4801566 B2 JP4801566 B2 JP 4801566B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- data
- sequence
- data stream
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
このDTWに基づいて作成および保存される行列をタイムワーピング行列と呼び、そのタイムワーピング行列によって2つのシーケンス間の距離であるDTW距離を算出することができる。DTW距離が小さいほど、2つのシーケンスは類似していることになる。
また、非特許文献3には、データストリームのリアルタイム分析手法として、データストリーム中のデータ同士の相関係数も考慮することで精度を上げたStatStreamに関する技術が記載されている。
さらに、非特許文献4には、データストリームのリアルタイム分析手法において使用する、データ間の遅延相関を検出するアルゴリズムであるBRAIDに関する技術が記載されている。
Emonn Keogh,Exact Indexing of Dynamic Time Warping,Proceedings of the Twenty-eighth International Conference on VLDB(Very Large Data Bases),China,August 2002,pp.406-417 Yasushi Sakurai,MasatoshiYoshikawa,Christos Faloutsos,FTW:FastSimilarity Search under the Time Warping Distance, Proceedings of Symposium on PODS(Principles of Database Systems),USA,June 2005,pp.326-337 Yunyue Zhu,Dennis Shasha,StatStream:StatisticalMonitoring of Thousands of Data Streams in Real Time,Proceedingsof the Twenty-eighth International Conference on VLDB(Very Large Data Bases),China,August 2002,pp.358-369 Yasushi Sakurai,Spiros Papadimitriou, Christos Faloutsos,BRAID:StreamMining through Group Lag Correlations, Proceedings of ACM SIGMOD(Association For Computing Machinery Special Interest Group On Management Of Data),USA,June 2005,pp.599-610
また、非特許文献3および非特許文献4は、時間軸方向に調整を行うことなくシーケンスマッチングを行うものであり、DTWを使用したデータストリーム監視に関する技術ではない。
そこで、本発明は、前記問題点に鑑みてなされたものであり、DTWを使用したデータストリーム監視において、計算コスト(計算量やメモリの使用量)の低減を図ることを目的とする。
そして、処理部は、データx t を受信したときに、記憶部に記憶されたタイムワーピング行列と以下の式(11)〜(14)を用いて、問合せシーケンス中のデータy i (ただし、i=1,2,・・・,m)とデータx t との間の距離に関する情報d(t,i)と、以下の式(15)により計算される当該d(t,i)に対応する開始時刻に関する情報s(t,i)とを計算して、記憶部に記憶されたタイムワーピング行列を更新し、問合せシーケンス中のデータy m とデータx t との間の距離に関する情報d(t,m)が所定の閾値ε以下のときに、当該距離に関する情報d(t,m)に対応する開始時刻s(t,m)を開始時刻t s とし、時刻tを終了時刻t e とするデータストリーム中の部分シーケンスX[t s :t e ]を類似する部分シーケンスとして検出する。
その前に、理解を容易にするため、図8および図9を参照しながら、DTWを使用したデータストリーム監視の比較例(従来技術)について説明する。
図8において、シーケンスYは、固定長mのデータであり、シーケンスの類似判断の元となるデータである。
TWM(タイムワーピング行列)1〜Sは、それぞれ時刻t=1〜t=Sから始まるタイムワーピング行列である。また、TWMSに示した黒いマスのつながりは、ワーピングパス(後記するDTW距離を算出するためにたどるルート)である。
2つのシーケンス間のDTW距離とは、2つのシーケンスを、全体的あるいは部分的に時間軸方向に伸縮の調整を行った後の距離のことである。DTW距離は、タイムワーピング行列に基づいて算出することができる。
長さmのシーケンスY=(y1,y2,・・・,ym)と長さnのシーケンスX=(x1,x2,・・・,xn)の間のDTW距離D(X,Y)は、以下の式(1)〜(4)のようにして求めることができる。なお、t=(1,2,・・・,n)、i=(1,2,・・・,m)とする。
f(t,i)=||xt−yi||+min{f(t,i−1),f(t−1,i),
f(t−1,i−1)}・・・(2)
f(0,0)=0・・・(3)
f(t,0)=f(0,i)=∞・・・(4)
式(2)において、||xt−yi||は、2つの数値(xtとyi)の距離を表す。2つの数値の距離としては、たとえば、ユークリッド距離やマンハッタン距離が考えられる。n次元空間において、a、bという2つの点の座標をa(a1,a2,・・・,an)、b(b1,b2,・・・,bn)とし、また、(1≦j≦n)とすると、ユークリッド距離とは√(Σ(aj−bj)2)、マンハッタン距離とはΣ|aj−bj|で表される距離のことである。
以下の具体例では、計算を容易にするために、||xt−yi||として、ユークリッド距離の二乗の値を算出し、使用する。
式(3)および式(4)は、この3つの値を計算する際に使用する、タイムワーピング行列における境界条件である。
D(X[ts:te],Y)≦ε・・・(5)
ここでは、時間経過とともに伸張するシーケンスXにおいて、シーケンスY=(11,6,9,4)と高い類似性を有する部分シーケンスを検出することを目的とする。図9(1)〜(7)では、シーケンスXの長さが「7」(X=(5,12,6,10,6,5,1))のときのタイムワーピング行列(TWM)1〜7(それぞれ太線の内部)の状態を示している。なお、閾値ε=20とする。
つまり、t番目のタイムワーピング行列(時刻tから始まるタイムワーピング行列)において、要素(k,i)のDTW距離をft(k,i)とする。なお、t=(1,2,・・・,n)、i=(1,2,・・・,m)、k=(1,2,・・・,n−t+1)とする。また、式(1)〜(4)と重複する事項に関しては、説明を適宜省略する。
ft(k,i)=||xt+k−1−yi||+min{ft(k,i−1),ft(k−1,i),ft(k−1,i−1)}・・・(7)
ft(0,0)=0・・・(8)
ft(k,0)=ft(0,i)=∞・・・(9)
TWM1〜7の各要素には、上記式(6)〜(9)にしたがって算出された値が格納されている。
TWM2を例にとって説明すると、上記式(6)〜(9)から、まず、時刻t=2のとき、f2(1,1)=(12−11)2+min{f2(1,0)=∞,f2(0,1)=∞,f2(0,0)=0}=1+0=1である。
また、f2(2,1)=(6−11)2+min{f2(2,0)=∞,f2(1,1)=1,f2(1,0)=∞}=25+1=26である。
また、f2(2,2)=(6−6)2+min{f2(2,1)=26,f2(1,2)=37,f2(1,1)=1}=0+1=1である。
以下、同様にして、各TWM1〜7における各要素の値を算出することができる。
まず、時刻t=1においては、タイムワーピング行列がTWM1しか存在せず、DTW距離が「54」なので、該当しない。
そして、時刻t=3において、TWM1のDTW距離は「50」、TWM2のDTW距離は「14」、TWM3のDTW距離は「38」であり、TWM2が該当(「DTW距離が「20」以下」の条件を充足)するので、部分シーケンスX[2:3]を発見できたことになる。
ただし、上記式(6)〜(9)と図9による具体例からもわかるように、各TWM1〜7は、現在時刻およびその直前の時刻の2列分の情報のみをメモリに記憶させておけばよく、それよりも前の情報は逐次消去することができる。
そこで、第2の方法では、最初に類似する部分シーケンスを検出した後、その類似する部分シーケンスと時間帯が少しでも重複する部分シーケンスの中で、より類似性の高い(DTW距離が小さい)ものがあるか否かを調べる。つまり、類似する部分シーケンスを検出した後、時間帯が少しでも重複する部分シーケンスの中で、より類似性の高いものがないことが確定して初めて、それを該当する部分シーケンス(以下、「最適な部分シーケンス」という。)と判断するのである。
また、TWMにおいて、このDTW距離「6」を算出するためにたどってきたルート「f2(1,1)→f2(2,2)→f2(3,3)→f2(4,4)」がワーピングパスの一例である。
そこで、以下、図1〜7を参照しながら、タイムワーピング行列が単一でよく、計算がO(m)の時間で済み、計算の高速化と省メモリ化を実現することのできる本実施形態のデータストリーム監視装置について説明する。
通信部3は、外部装置(不図示)やセンサ(不図示)からインターネットやLANなどを介してデータを受信するものであり、たとえば通信インターフェースである。通信部3は、外部装置(不図示)などからデータストリームを受信する。
問合せシーケンス41は、入力部2から入力された問合せシーケンスである。
タイムワーピングデータ42は、タイムワーピング行列などのタイムワーピングの演算に必要なデータである。
メモリ6は、処理部7の作業領域であり、たとえば、RAM(Random Access Memory)である。
図2では、該当する部分シーケンスとして、X[ts:te](X1)がまず検出され、その後に、X2が検出されている。
そして、そのY’と、長さnのシーケンスX=(x1,x2,・・・,xn)の間でシーケンスマッチングを行うことになり、そのシーケンスマッチングは次の式(10)〜(14)により実現することができる。なお、t=(1,2,・・・,n)、i=(1,2,・・・,m)とする。また、式(6)〜(9)と重複する事項に関しては、説明を適宜省略する。
d(t,i)=||xt−yi||+dbest・・・(11)
dbest=min{d(t,i−1),d(t−1,i),d(t−1,i−1)}・・・(12)
d(t,0)=d(0,0)=0・・・(13)
d(0,i)=∞・・・(14)
すなわち、データストリーム監視装置1の処理部7は、ある時刻にデータストリーム中の1つのデータを受信した場合、問合せシーケンスYの先頭にその1つのデータと同じデータを付加してシーケンスY’としてから、そのシーケンスY’に関してタイムワーピング行列を使ってダイナミックタイムワーピング距離を算出し、そのダイナミックタイムワーピング距離が閾値以下のときに、そのダイナミックタイムワーピング距離に対応する部分シーケンスを類似する部分シーケンスとして検出することができるが、式(13)によって、シーケンスYをシーケンスY’に変更したことと同じ効果が得られるのである。
s(t,i)=s(t,i−1) (dbest=d(t,i−1)のとき)
s(t−1,i) (dbest=d(t−1,i)のとき)
s(t−1,i−1) (dbest=d(t−1,i−1)のとき)
<i=1の場合>
s(t,i)=s(t,1)=t ・・・(15)
ts=s(te,m)・・・(16)
最適なワーピングパスはこのタイムワーピング行列による距離計算から求めることができ、検出された類似する部分シーケンスの開始時刻は、そのワーピングパス上で引き継がれていくことで、特定することができる。
比較例のTWM1(図9(1)参照)の場合と異なり、このTWMではd(2,1)=1となっているのが、本実施形態のポイントの1つである(図9のTWM1における該当箇所は「37」)。詳細は後記するが、このように、図3のTWMの最下行の各要素がそのすぐ左の要素の値と関係なく独立に算出されている、すなわち、前記したシーケンスY=(y1,y2,・・・,ym)に対し先頭にy0を付加してY’=(y0,y1,y2,・・・,ym)としたことと同様の効果を式(13)によって実現したことにより、タイムワーピング行列が単一で済むのである。
以下、第1の方法と同様、閾値ε以下のDTW距離が求まったときにそれを類似する部分シーケンスとして検出する方法を第3の方法という。また、第2の方法と同様、最初に類似する部分シーケンスを検出した後、時間帯が少しでもその類似する部分シーケンスと重複するそれ以降の部分シーケンスの中で、より類似性の高いものがないことが確定してから、それを最適な部分シーケンスと判断する方法を第4の方法という。
まず、左から3列目のd(3,1)、d(3,2)およびd(3,3)の値がいずれも「14」より大きければ、開始時刻がt=3以前でDTW距離が「14」以下になるものが存在する可能性がなくなるので、部分シーケンスX[2:3]が最適な部分シーケンスと判断できる。
次に、時刻t=4に移り、その列の各要素の全てについて、「値が『14』よりも大きい」あるいは「開始時刻がt=4以降である」、という条件を満たすか否かを判断する。この条件を満たせば、部分シーケンスX[2:3]が最適であると判断できる。
ここでは、d(4,3)=2(開始時刻t=2)がこの条件を満たさないため、部分シーケンスX[2:3]が最適であると判断できない。
次に、時刻t=6に移り、その列の各要素の全てについて、「値が『6』よりも大きい」あるいは「開始時刻がt=6以降である」、という条件を満たすか否かを判断する。
ここでは、d(6,2)=2(開始時刻t=4)がこの条件を満たさないため、部分シーケンスX[2:5]が最適であると判断できない。
ここでは、その条件を満たすので、部分シーケンスX[2:5]が最適であると判断できる。
次に、図4を参照しながら、第3の方法を実行する場合のデータストリーム監視装置の動作について説明する。図4は、第3の方法を実行する場合のデータストリーム監視装置の動作を示したフローチャートである。なお、d(t,i)(式(11)参照)をdi、d(t−1,i)をdi’と表記する。また、s(t,i)(式(15)参照)をsi、s(t−1,i)をsi’と表記する。
そして、通信部3は、外部装置(不図示)からデータストリームの受信を開始する。なお、以下、処理部7は、通信部3や記憶部4から受け取ったデータをメモリ6に展開して処理するが、メモリ6に展開する旨の記載は省略する。
続いて、処理部7は、式(10)〜(15)に基づいて、全てのdiとsiを計算し(ステップS403)、タイムワーピング行列を更新する。このとき、タイムワーピング行列における時刻「t−2」以降のデータは、削除してもよい(t≧3の場合)。
時刻tにおけるDTW距離が閾値ε以下でなかった場合(ステップS404でNo)、処理部7は、ステップS408に進む。
続いて、処理部7は、DTW距離dm、その開始時刻ts、および、その終了時刻teを出力部5に出力する(ステップS406)。
次に、処理部7は、以降の処理のために、全てのdiの値を初期化する、つまり、diに∞(プログラムを作成する際はεなどと比較して充分大きな値を使用。以下同様)を代入する(ステップS407)。
続いて、処理部7は、次の時刻の処理に移るために、全てのdiとsiの値を、それぞれ、1つ前の時刻の値の変数であるdi’とsi’に代入し(ステップS408)、「t=t+1」として(ステップS409)、ステップS402に戻り、処理を繰り返す。
つまり、本実施形態のデータストリーム監視装置1によれば、たとえば、図3の例において、時刻t=3の時点で、DTW距離「14」、その開始時刻「2」、および、その終了時刻「3」を出力部5から出力することができる。
次に、図5を参照しながら、第4の方法を実行する場合のデータストリーム監視装置の動作について説明する。図5は、第4の方法を実行する場合のデータストリーム監視装置の動作を示したフローチャートである。なお、図4の場合と重複する説明は、適宜省略する。また、図4の場合と同様、データストリーム監視装置1において、記憶部4には、問合せシーケンス41と、単一のタイムワーピング行列(図3参照)や、所定の閾値εなどのタイムワーピングデータ42が記憶されている。さらに、最適な部分シーケンスの候補を入力する変数としてdminを使用する。
そして、通信部3は、外部装置(不図示)からデータストリームの受信を開始する。
続いて、処理部7は、式(10)〜(15)に基づいて、全てのdiとsiを計算し(ステップS503)、タイムワーピング行列を更新する。このとき、タイムワーピング行列における時刻「t−2」以降のデータは、削除してもよい(t≧3の場合)。
時刻tにおけるDTW距離が閾値ε以下でなかった場合(ステップS504でNo)、処理部7は、ステップS514で、「dmin≦ε」かつ「dm<dmin」、を満たすか否かを判断するが、ステップS514では「dmin≦ε」を満たさないので(No)、さらに、ステップS516に進む。
ここで、さらなる最適な部分シーケンスの候補があればステップS514の条件を満たし(Yes)、処理部7は、DTW距離dmを変数dminに、その開始時刻smを変数tsに、その終了時刻tを変数teに、それぞれ代入する(ステップS515)。
利用者は、出力部5から出力されたそれらのデータを見て、データストリーム中に存在する、問合せシーケンスと類似する部分シーケンスのうち、最適な部分シーケンスを知ることができる。
ステップS509〜S513の処理では、処理部7は、「1」から「m」までの「i」の値に関して(ステップS510とステップS513参照)、「si≦te」を満たせば(ステップS511でYes)、「di」に「∞」を代入する(ステップS512)。ここでは、ステップS506で出力した最適な部分シーケンスと少しでも時間帯が重複する部分シーケンスがこれ以降にステップS506で出力されてしまう可能性をなくすために、その時刻における各要素のうちステップS506で出力した最適な部分シーケンスの終了時刻te以前のものの値を無限大にしている。
つまり、本実施形態のデータストリーム監視装置1によれば、たとえば、図3の例において、時刻t=3の時点のDTW距離「14」ではなく、時刻t=5の時点のDTW距離「6」(および、その開始時刻と終了時刻)を、最適な部分シーケンスのDTW距離として、出力部5から出力することができる。
この第4の方法によれば、そのアルゴリズムの特性上、比較例による方法と同様、最適な部分シーケンスを必ず検出することができる。
次に、図6を参照しながら、本実施形態のデータストリーム監視装置に関する第1実施例について説明する。図6は、本実施形態のデータストリーム監視装置に関する第1実施例を説明するための図であり、(a)は問合せシーケンス、(b)は部分シーケンス検出の様子を、それぞれ表している。
図6(a)は、問合せシーケンスの波形であり、縦軸が温度(摂氏)を表し、横軸が時間の経過を表している。この問合せシーケンスは、天候の変化によって、気温が約20度から約31度まで大きく変動しているパターンが2回存在していることを特徴としている。
本実施形態の第4の方法を上記マシンで実行することで、図6(b)に示すように、データストリームにおいて、(a)の問合せシーケンスと類似している部分シーケンス(Subseq)としてSub1とSub2の2つを、逃さずに検出している。
続いて、図7を参照しながら、本実施形態のデータストリーム監視装置に関する第2実施例について説明する。図7は、本実施形態のデータストリーム監視装置に関する第2実施例について、データストリームのシーケンスの長さと計算時間との関係を表した図である。
図7において、縦軸は計算時間(ms)、横軸はデータストリームの長さ(シーケンス長)である。比較例による方法、および、本実施例による方法ともに、タイムワーピング行列の更新と類似する部分シーケンスの検出の合計時間を平均し、計算時間とした。
たとえば、本実施形態では、問合せシーケンスおよびデータストリームに関して、一次元データの場合について説明したが、n次元データ(nは2以上の自然数)の場合でも同様に適用することができる。
また、本発明は、温度センサ以外に、映像や音楽の配信、バイオインフォマティックス、各種ロボットなど、多くの分野に適用可能である。
その他、具体的な構成について、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。
4 記憶部
5 出力部
7 処理部
TWM タイムワーピング行列
Claims (8)
- 継続的に受信するデータであるデータストリームから、所定のデータ列である問合せシーケンスと類似する部分シーケンスを、ダイナミックタイムワーピング距離に基づいて検出するデータストリーム監視装置であって、
前記データストリーム中の時刻tにおけるデータx t を受信したときに、長さmのシーケンスY=(y 1 ,y 2 ,・・・,y m )である前記問合せシーケンス中のデータy i (ただし、i=1,2,・・・,m)と前記データストリーム中の時刻t−1におけるデータx t−1 との距離に関する情報d(t−1,i)と、当該距離に関する情報d(t−1,i)に対応する開始時刻に関する情報s(t−1,i)と、を(t−1,i)要素に持つ単一のタイムワーピング行列、および、前記ダイナミックタイムワーピング距離に関する所定の閾値εを記憶している記憶部と、
前記データx t を受信したときに、前記記憶部に記憶されたタイムワーピング行列と以下の式(11)〜(14)を用いて、前記問合せシーケンス中のデータy i (ただし、i=1,2,・・・,m)と前記データx t との間の距離に関する情報d(t,i)と、以下の式(15)により計算される当該d(t,i)に対応する開始時刻に関する情報s(t,i)とを計算して、前記記憶部に記憶されたタイムワーピング行列を更新し、前記問合せシーケンス中のデータy m と前記データx t との間の距離に関する情報d(t,m)が所定の閾値ε以下のときに、当該距離に関する情報d(t,m)に対応する開始時刻s(t,m)を開始時刻t s とし、前記時刻tを終了時刻t e とする前記データストリーム中の部分シーケンスX[t s :t e ]を前記類似する部分シーケンスとして検出する処理部と、
を有することを特徴とするデータストリーム監視装置。
d(t,i)=||x t −y i ||+d best ・・・(11)
d best =min{d(t,i−1),d(t−1,i),d(t−1,i−1)}
・・・(12)
d(t,0)=d(0,0)=0・・・(13)
d(0,i)=∞・・・(14)
(ここで、||x t −y i ||は、2つの数値(x t とy i )の距離を表し、min{d(t,i−1),d(t−1,i),d(t−1,i−1)}は、{}内の3つの値のうち、最小のものを採用することを表す。)
<i≧2の場合>
s(t,i)=s(t,i−1) (d best =d(t,i−1)のとき)
s(t−1,i) (d best =d(t−1,i)のとき)
s(t−1,i−1)(d best =d(t−1,i−1)のとき)
<i=1の場合>
s(t,i)=s(t,1)=t ・・・(15) - 前記処理部は、前記類似する部分シーケンスX[t s :t e ]を検出した場合、その後、さらに、前記タイムワーピング行列の各行列要素の値の算出を行い、その類似する部分シーケンスX[t s :t e ]と時間帯が一部でも重複する部分シーケンスの中で、前記ダイナミックタイムワーピング距離がより小さいものがないと判断したときに、その類似する部分シーケンスX[t s :t e ]をより適切な部分シーケンスとして検出する
ことを特徴とする請求項1に記載のデータストリーム監視装置。 - 前記処理部は、前記類似する部分シーケンスX[t s :t e ]を検出した場合、その類似する部分シーケンスX[t s :t e ]の最後のデータの受信時刻を終了時刻とすると、その終了時刻後における前記タイムワーピング行列のある列において、各行列要素のうち、その開始時刻が前記終了時刻以前であって、かつ、その値が前記類似する部分シーケンスX[t s :t e ]のダイナミックタイムワーピング距離よりも小さいものがないときに、その類似する部分シーケンスをより適切なものとして検出する
ことを特徴とする請求項2に記載のデータストリーム監視装置。 - 継続的に受信するデータであるデータストリームから、所定のデータ列である問合せシーケンスと類似する部分シーケンスを、ダイナミックタイムワーピング距離に基づいて検出するデータストリーム監視装置によるデータストリーム監視方法であって、
前記データストリーム監視装置は、前記データストリーム中の時刻tにおけるデータx t を受信したときに、長さmのシーケンスY=(y 1 ,y 2 ,・・・,y m )である前記問合せシーケンス中のデータy i (ただし、i=1,2,・・・,m)と前記データストリーム中の時刻t−1におけるデータx t−1 との距離に関する情報d(t−1,i)と、当該距離に関する情報d(t−1,i)に対応する開始時刻に関する情報s(t−1,i)と、を(t−1,i)要素に持つ単一のタイムワーピング行列、および、前記ダイナミックタイムワーピング距離に関する所定の閾値εを記憶している記憶部と、処理部とを備えており、
前記処理部は、前記データx t を受信したときに、前記記憶部に記憶されたタイムワーピング行列と以下の式(11)〜(14)を用いて、前記問合せシーケンス中のデータy i (ただし、i=1,2,・・・,m)と前記データx t との間の距離に関する情報d(t,i)と、以下の式(15)により計算される当該d(t,i)に対応する開始時刻に関する情報s(t,i)とを計算して、前記記憶部に記憶されたタイムワーピング行列を更新し、前記問合せシーケンス中のデータy m と前記データx t との間の距離に関する情報d(t,m)が所定の閾値ε以下のときに、当該距離に関する情報d(t,m)に対応する開始時刻s(t,m)を開始時刻t s とし、前記時刻tを終了時刻t e とする前記データストリーム中の部分シーケンスX[t s :t e ]を前記類似する部分シーケンスとして検出する
ことを特徴とするデータストリーム監視方法。
d(t,i)=||x t −y i ||+d best ・・・(11)
d best =min{d(t,i−1),d(t−1,i),d(t−1,i−1)}
・・・(12)
d(t,0)=d(0,0)=0・・・(13)
d(0,i)=∞・・・(14)
(ここで、||x t −y i ||は、2つの数値(x t とy i )の距離を表し、min{d(t,i−1),d(t−1,i),d(t−1,i−1)}は、{}内の3つの値のうち、最小のものを採用することを表す。)
<i≧2の場合>
s(t,i)=s(t,i−1) (d best =d(t,i−1)のとき)
s(t−1,i) (d best =d(t−1,i)のとき)
s(t−1,i−1)(d best =d(t−1,i−1)のとき)
<i=1の場合>
s(t,i)=s(t,1)=t ・・・(15) - 前記処理部は、前記類似する部分シーケンスX[t s :t e ]を検出した場合、その後、さらに、前記タイムワーピング行列の各行列要素の値の算出を行い、その類似する部分シーケンスX[t s :t e ]と時間帯が一部でも重複する部分シーケンスの中で、前記ダイナミックタイムワーピング距離がより小さいものがないと判断したときに、その類似する部分シーケンスX[t s :t e ]をより適切な部分シーケンスとして検出する
ことを特徴とする請求項4に記載のデータストリーム監視方法。 - 前記処理部は、前記類似する部分シーケンスX[t s :t e ]を検出した場合、その類似する部分シーケンスX[t s :t e ]の最後のデータの受信時刻を終了時刻とすると、その終了時刻後における前記タイムワーピング行列のある列において、各行列要素のうち、その開始時刻が前記終了時刻以前であって、かつ、その値が前記類似する部分シーケンスX[t s :t e ]のダイナミックタイムワーピング距離よりも小さいものがないときに、その類似する部分シーケンスをより適切なものとして検出する
ことを特徴とする請求項5に記載のデータストリーム監視方法。 - 請求項4から請求項6のいずれか1項に記載のデータストリーム監視方法をコンピュータに実行させるためのプログラム。
- 請求項7のプログラムを記録することを特徴とする記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006318752A JP4801566B2 (ja) | 2006-11-27 | 2006-11-27 | データストリーム監視装置、データストリーム監視方法、そのプログラムおよび記録媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006318752A JP4801566B2 (ja) | 2006-11-27 | 2006-11-27 | データストリーム監視装置、データストリーム監視方法、そのプログラムおよび記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008134706A JP2008134706A (ja) | 2008-06-12 |
JP4801566B2 true JP4801566B2 (ja) | 2011-10-26 |
Family
ID=39559540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006318752A Expired - Fee Related JP4801566B2 (ja) | 2006-11-27 | 2006-11-27 | データストリーム監視装置、データストリーム監視方法、そのプログラムおよび記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4801566B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110291519A (zh) | 2017-02-20 | 2019-09-27 | 三菱电机株式会社 | 图案提取装置、图案提取方法以及图案提取程序 |
SG10201800954QA (en) * | 2018-02-02 | 2019-09-27 | Nec Asia Pacific Pte Ltd | Method and system for signal processing rehabilitation exercise signals |
JP7204584B2 (ja) * | 2019-06-14 | 2023-01-16 | ルネサスエレクトロニクス株式会社 | 異常検知システム、異常検知装置および異常検知方法 |
CN113305880B (zh) * | 2021-05-10 | 2022-08-05 | 佛山科学技术学院 | 一种基于dtw距离的工业机器人一致性检测***及方法 |
-
2006
- 2006-11-27 JP JP2006318752A patent/JP4801566B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2008134706A (ja) | 2008-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Palar et al. | On efficient global optimization via universal Kriging surrogate models | |
US11443015B2 (en) | Generating prediction models in accordance with any specific data sets | |
US9305264B2 (en) | Method and system for improved pattern matching | |
JP6350251B2 (ja) | 経路情報処理装置、方法、及びプログラム | |
JP4801566B2 (ja) | データストリーム監視装置、データストリーム監視方法、そのプログラムおよび記録媒体 | |
TWI525460B (zh) | 電子計算裝置、其個人化資訊推薦方法及其電腦程式產品 | |
JP2007140965A (ja) | 操業結果予測方法及びそのシステム | |
JP5047534B2 (ja) | 多目標追尾装置 | |
CN113628244A (zh) | 基于无标注视频训练的目标跟踪方法、***、终端及介质 | |
KR100440949B1 (ko) | 특징 벡터 공간내에서의 적응적 검색 방법 | |
KR20130107889A (ko) | 이상 서브시퀀스 검출 장치 및 방법 | |
JP5711171B2 (ja) | データ検索装置、データ検索方法、及びデータ検索プログラム | |
JP4939349B2 (ja) | トレンド検出方法、トレンド検出プログラムおよびトレンド検出装置 | |
JP6110281B2 (ja) | 移動手段予測モデル生成装置、移動手段予測モデル生成方法及び移動手段予測モデル生成プログラム | |
JP5060340B2 (ja) | 類似部分シーケンス検出方法、類似部分シーケンス検出プログラム、および、類似部分シーケンス検出装置 | |
Sankararaman et al. | Computing similarity between a pair of trajectories | |
JP4697355B2 (ja) | データ検索装置 | |
Kim et al. | Efficient method for mining high utility occupancy patterns based on indexed list structure | |
Gong et al. | NSPRING: Normalization-supported SPRING for subsequence matching on time series streams | |
François et al. | Global optimization methods for genome scaffolding | |
JP7376405B2 (ja) | 最適化処理装置、最適化処理方法及び最適化処理プログラム | |
JP2009302723A (ja) | 画像処理装置、方法およびプログラム | |
Makhmutova et al. | Uncertain Big Data Stream Clustering | |
JP7388737B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN113420214B (zh) | 一种电子交易对象推荐方法和装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20081224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20101224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110208 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110408 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110802 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110805 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140812 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |