Resumen

En los escenarios de aplicación reales, la imprecisión inherente a las lecturas de los sensores, la perturbación intencionada de las transformaciones que preservan la privacidad y los algoritmos de extracción propensos a errores provocan una gran incertidumbre en los datos de las series temporales. La incertidumbre plantea serios problemas a la hora de medir la similitud de las series temporales. En este artículo, proponemos en primer lugar un modelo de series temporales inciertas inspirado en la desigualdad de Chebyshev. Estima el posible rango de valores muestrales y el rango de tendencia central en términos de intervalo de estimación muestral e intervalo de estimación de tendencia central, respectivamente, en cada intervalo de tiempo. En comparación con los modelos tradicionales que adoptan medidas repetidas y variables aleatorias, el modelo de Chebyshev reduce el coste computacional global y no requiere conocimientos previos. Convertimos las series temporales inciertas de Chebyshev en determinadas matrices de series temporales; por lo tanto, la reducción del ruido y la reducción de la dimensionalidad están disponibles para las series temporales inciertas. En segundo lugar, proponemos un nuevo método de correspondencia por similitud basado en el modelo de Chebyshev. Depende de los solapamientos entre dos intervalos de estimación de la muestra y de los solapamientos entre los intervalos de estimación de la tendencia central de diferentes series temporales inciertas. Al final de este artículo, llevamos a cabo un amplio experimento y analizamos los resultados comparándolos con trabajos anteriores.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:- escenarios de aplicación reales - lecturas de sensores - perturbación - transformaciones que preservan la privacidad - algoritmos de extracción propensos a errores - incertidumbre - datos de series temporales - medición de la similitud - modelo - desigualdad de Chebyshev - rango de valores muestrales - intervalo de tendencia central - intervalo de estimación de la muestra - intervalo de estimación de la tendencia central - intervalo de tiempo - modelos tradicionales - medidas repetidas - variable aleatoria - coste computacional - conocimiento previo - series temporales inciertas Chebyshev - matriz de series temporales inciertas - reducción del ruido - reducción de la dimensionalidad - método de concordancia por similitud - solapamientos - experimento - resultados - trabajos anteriores
• Keywords:- real application scenarios - sensor readings - perturbation - privacy-preserving transformations - error-prone mining algorithms - uncertainty - time series data - similarity measurement - model - Chebyshev inequality - sample value range - central tendency range - sample estimation interval - central tendency estimation interval - time slot - traditional models - repeated measurements - random variable - computational cost - prior knowledge - Chebyshev uncertain time series - certain time series matrix - noise reduction - dimensionality reduction - similarity matching method - overlaps - experiment - results - prior works