Performance Examination of Symbolic Aggregate Approximation in IoT Applications

要約

Symbolic Aggregate approXimation (SAX) は、時系列データの一般的な次元削減アプローチであり、時系列データの分類や異常検出など、さまざまな分野で使用されています。
ドメインには、アーカイブされた矢じりのエポック分類などのために、形状の輪郭が時系列データに変換される形状認識も含まれます。
この論文では、コスト効率の高い IoT のようなプラットフォームでの応答を必要とするアプリケーションである SAX アルゴリズムに基づく次元削減と形状認識のアプローチを提案します。
課題は主に、単純な時系列次元削減から形状認識まで、IoT のようなアプリケーションにおける SAX アルゴリズムの計算コストに対処することです。
このアプローチは、形状の最も代表的な特徴を捉えて保存しながら、次元空間を下げることに基づいています。
パフォーマンス特性の測定によってステートメントを裏付ける、計算の複雑さが増加する 3 つのシナリオを示します。

要約(オリジナル)

Symbolic Aggregate approXimation (SAX) is a common dimensionality reduction approach for time-series data which has been employed in a variety of domains, including classification and anomaly detection in time-series data. Domains also include shape recognition where the shape outline is converted into time-series data forinstance epoch classification of archived arrowheads. In this paper we propose a dimensionality reduction and shape recognition approach based on the SAX algorithm, an application which requires responses on cost efficient, IoT-like, platforms. The challenge is largely dealing with the computational expense of the SAX algorithm in IoT-like applications, from simple time-series dimension reduction through shape recognition. The approach is based on lowering the dimensional space while capturing and preserving the most representative features of the shape. We present three scenarios of increasing computational complexity backing up our statements with measurement of performance characteristics

arxiv情報

提供元, 利用サービス

arxiv.jp, Google