Phần còn lại của luận án đƣợc tổ chức nhƣ sau. Trong chƣơng 2, chúng tôi trình bày tóm tắt các công trình liên quan và các khái niệm căn bản liên quan tới các vấn đề đƣợc nghiên cứu. Các đóng góp của luận án về các vấn đề nghiên cứu đƣợc trình bày trong các chƣơng 3, 4, 5 và 6. Trong đó:
- Chƣơng 3 trình bày vấn đề thu giảm số chiều chuỗi thời gian bằng phƣơng pháp MP_C, bao gồm: phƣơng pháp thu giảm số chiều MP_C đƣợc đề xuất trong luận án cùng với độ đo tƣơng tự đƣợc định nghĩa dựa trên nó, cấu trúc chỉ mục đƣờng chân trời cho các chuỗi MP_C cùng với độ đo tƣơng tự đƣợc định nghĩa trên cấu trúc này và bài toán tìm kiếm tƣơng tự trên dữ liệu chuỗi thời gian dạng luồng. - Chƣơng 4 trình bày về hai phƣơng pháp phát hiện motif dựa vào cấu trúc chỉ mục
đa chiều (R*-tree) và chỉ mục đƣờng chân trời do chúng tôi đề xuất.
- Chƣơng 5 trình bày về bài toán gom cụm chuỗi thời gian đƣợc thu giảm bằng kỹ thuật MP_C theo phƣơng pháp gom cụm có thời gian thực thi tùy chọn (sử dụng giải thuật I-k-Means) đƣợc khởi động bằng kd-tree hoặc CF-tree.
- Chƣơng 6. Trình bày về ứng dụng phƣơng pháp MP_C kết hợp với chỉ mục đƣờng chân trời vào bài toán dự báo dữ liệu chuỗi thời gian.
- Chƣơng 7 là phần kết luận về các công việc đã nghiên cứu, một số hạn chế của luận án và hƣớng phát triển.
10
CHƢƠNG 2. CƠ SỞ LÝ THUYẾT VÀ CÁC CÔNG TRÌNH LIÊN QUAN
Trong chƣơng này, chúng tôi giới thiệu tóm tắt cơ sở lý thuyết về các độ đo tƣơng tự, các phƣơng pháp thu giảm số chiều, rời rạc hóa dữ liệu chuỗi thời gian, các cấu trúc chỉ mục thƣờng dùng và các công trình liên quan tới các bài toán đƣợc nghiên cứu trong luận án: tìm kiếm tƣơng tự, gom cụm và phát hiện motif trên dữ liệu chuỗi thời gian.