Εξόρυξη δεδομένων σε πολυδιάστατες χρονοσειρές
| dc.contributor.advisor | Πελέκης, Νικόλαος | |
| dc.contributor.author | Δαγκλής, Χρήστος | |
| dc.date.accessioned | 2021-01-19T08:40:04Z | |
| dc.date.available | 2021-01-19T08:40:04Z | |
| dc.date.issued | 2020 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13187 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/610 | |
| dc.description.abstract | Στην εποχή που ζούμε, καθημερινά αναπαράγονται, ενημερώνονται και αποθηκεύονται δεδομένα χρονοσειρών σε διάφορες βάσεις δεδομένων. Τα δεδομένα χρονοσειρών που συλλέγονται, πέρα από το γεγονός ότι αυξάνονται μέρα με τη μέρα, τείνουν να αποκτούν πολυδιάστατη μορφή. Με αυτό τον τρόπο δημιουργούνται πολυδιάστατες χρονοσειρές που απαιτούν νέους και καλύτερους τρόπους εξόρυξης, ευρετηρίασης και αναζήτησης. Σε αυτήν την εργασία περιγράφουμε υπάρχοντες τεχνικές της οικογένειας iSAX που χρησιμοποιούνται για εργασίες εξόρυξης μονοδιάστατων χρονοσειρών. Για εργασίες εξόρυξης πολυδιάστατων χρονοσειρών περιγράφουμε και χρησιμοποιούμε μία υπάρχουσα μέθοδο, που αποτελεί επέκταση των προηγούμενων τεχνικών και ονομάζεται hyperSAX. Για να δείξουμε τη χρησιμότητά της, η τεχνική hyperSAX εφαρμόζεται για εργασίες ευρετηρίασης και αναζήτησης ομοιότητας σε δισδιάστατες χρονοσειρές και μετριέται ο χρόνος δημιουργίας του ευρετηρίου. | el |
| dc.format.extent | 52 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | Εξόρυξη δεδομένων σε πολυδιάστατες χρονοσειρές | el |
| dc.title.alternative | Mining multi-dimensional timeseries | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
| dc.description.abstractEN | In our day, time series data is reproduced, updated and stored daily in various databases. The time series data collected, in addition to the fact that they are increasing day by day, tend to take on a multidimensional form. In this way, multidimensional time series are created that require new and better ways of data mining, indexing and searching. In this work we describe existing techniques of the iSAX family, used for one-dimensional time series data mining operations. For multidimensional time series data mining operations, we describe and use an existing method, which is an extension of the previous techniques, called hyperSAX. To demonstrate its usefulness, the hyperSAX technique is applied to two-dimensional time series for indexing and similarity search operations and the time it takes to build the index is measured. | el |
| dc.contributor.master | Εφαρμοσμένη Στατιστική | el |
| dc.subject.keyword | Data mining | el |
| dc.subject.keyword | Εξόρυξη δεδομένων | el |
| dc.date.defense | 2020-11-30 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές