Jump to ContentJump to Main Navigation
Show Summary Details
More options …

at - Automatisierungstechnik

Methoden und Anwendungen der Steuerungs-, Regelungs- und Informationstechnik

[AT - Automation Technology: Methods and Applications of Control, Regulation, and Information Technology
]

Editor-in-Chief: Bretthauer, Georg

12 Issues per year


IMPACT FACTOR 2016: 0.675

CiteScore 2016: 0.55

SCImago Journal Rank (SJR) 2016: 0.262
Source Normalized Impact per Paper (SNIP) 2016: 0.645

Online
ISSN
2196-677X
See all formats and pricing
More options …
Volume 57, Issue 3

Issues

Zuordnen von linguistischen Ausdrücken zu Motiven in Zeitreihen
Matching of Labeled Terms to Time Series Motifs

Christian Moewes / Rudolf Kruse
  • 1 Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik, Magdeburg, Deutschland
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
Published Online: 2009-09-25 | DOI: https://doi.org/10.1524/auto.2009.0760

Zusammenfassung

In diesem Aufsatz geht es um die Problematik, von Experten entworfene Versuche realen Beobachtungen anzunähern. Dazu wird dieses Problem in zwei kleinere Teilprobleme zerlegt: 1.) die Suche von wiederkehrenden Mustern in temporalen Sequenzen, sogenannten Motiven, die es gilt sowohl in den Versuchen als auch in der Realität zu entdecken, und 2.) das Zuordnen der Motive zu linguistischen Ausdrücken, die als Domänenwissen eventuell vorhanden sind. Dabei wird eine effektive Repräsentation von Zeitreihen beschrieben, welche die Suche nach diesen Motiven enorm beschleunigt. Einige Ansätze werden dargestellt, um mit den gefundenen Motiven die entworfenen Versuche zu korrigieren.

Abstract

In this paper we devote ourselves to the difficulty of fitting human designed experiments to real-world cases. We decompose this problem into two smaller subproblems: 1.) The search of recurrent patterns in temporal sequences, so called motifs that are deemed to be discovered in both the experiments and the real observations and 2.) the matching of motifs to linguistic terms which are possibly available as domain knowledge. Therefore we describe an effective time series representation that enormously speeds up the search for these motifs. We present some approaches to adjust the designed experiments with the help of the discovered motifs.

Keywords: Multivariate time series analysis; motif discovery; labeling; frequent pattern

About the article

* Correspondence address: Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik, Universitätsplatz 2, O, 39106 Magdeburg, Deutschland,


Published Online: 2009-09-25

Published in Print: 2009-03-01


Citation Information: at - Automatisierungstechnik Methoden und Anwendungen der Steuerungs-, Regelungs- und Informationstechnik, Volume 57, Issue 3, Pages 146–154, ISSN (Print) 0178-2312, DOI: https://doi.org/10.1524/auto.2009.0760.

Export Citation

Comments (0)

Please log in or register to comment.
Log in