.10 Sơ đồ tổng quan của giải thuật EMD|DTW

Một phần của tài liệu Nhận dạng motif trên dữ liệu chuỗi thời gian không cần xác định thông số chiều dài (Trang 63 - 65)

G. TS. Dương Tuấn Anh

Trang 47

Chương 3: Phương pháp thực hiện GVHD: PSG. TS. Dương Tuấn Anh

Nguyễn Văn Nhất_10070490 Trang 48

3.3.5 Sơ đồ giải thuật phát hiện motif EMD|HT

Sơ đồ tổng quan giải thuật mở rộng kết hợp với phép vị tự EMD|HT được mô tả

như Hình 3.11.

So với sơ đồ giải thuật EMD|DTW trong Hình 3.10 thì giải thuật EMD|HT

này có áp dụng một kỹ thuật cải tiến. Kỹ thuật cải tiến trong giải thuật EMD|HT là sử dụng phép vị tự để có thể co giãn một dữ liệu chuỗi thời gian thành một dữ liệu chuỗi thời gian với chiều dài mong muốn. Sau đó sử dụng dùng hàm tính khoảng

cách Euclid để tính khoảng cách giữa hai chuỗi thời gian thay vì sử dụng độ đo

xoắn thời gian động như giải thuật EMD|DTW. Và chính sự cải tiến này đã mang

lại hiệu quả rất lớn về mặt thời gian thực thi của giải thuật vì độ phức tạp của hàm

tính khoảng cách Euclid đơn giản hơn rất nhiều so với hàm tính khoảng cách bằng phương pháp xoắn thời gian động.

3.3.6 Hiện thực giải thuật mở rộng EMD|DTW

Giải thuật EMD|DTW được hiện thực dựa trên nền tảng của giải thuật MD như được mô tả ở mục 3.2. Tuy nhiên cần thực hiện bổ sung ba điểm sau đây

• Thứ nhất: sau khi có được chuỗi BS, tiến hành chỉnh sửa chuỗi này như được mô tả trong mục 3.3.1.

• Thứ hai: hiện thực lại hàm tính MDL mới như được mơ tả ở mục 3.3.3.

• Thứ ba: vì giải thuật này có thể dị tìm được các mẫu có chiều dài khác nhau nên các chuỗi con của các mẫu này sẽ có chiều dài khác nhau. Do đó sử dụng hàm tính khoảng cách bằng phương pháp xoắn thời gian động để tính khoảng cách giữa hai chuỗi con có độ dài bất kỳ.

Chương 3: Phương pháp th

Nguyễn Văn Nhất_100704

H

thực hiện GVHD: PSG.

0490

Một phần của tài liệu Nhận dạng motif trên dữ liệu chuỗi thời gian không cần xác định thông số chiều dài (Trang 63 - 65)

Tải bản đầy đủ (PDF)

(112 trang)