Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Sequence Stream Indexing Method using DFT and Bitmap in Sequence Data Warehouse

시퀀스 데이터웨어하우스에서 이산푸리에변환과 비트맵을 이용한 시퀀스 스트림 색인 기법

  • 손동원 (계명대학교 컴퓨터공학과) ;
  • 홍동권 (계명대학교 컴퓨터공학과)
  • Received : 2012.01.18
  • Accepted : 2012.03.29
  • Published : 2012.04.25
Download PDF
⟨ Previous Next ⟩

Abstract

Recently there has been many active researches on searching similar sequences from data generated with the passage of time. Those data are classified as time series data or sequence data and have different semantics from scalar data of traditional databases. In this paper similar sequence search retrieves sequences that have a similar trend of value changes. At first we have transformed the original sequences by applying DFT. The converted data are more suitable for trend analysis and they require less number of attributes for sequence comparisons. In addition we have developed a region-based query and we applied bitmap indexes which could show better performance in data warehouse. We have built bitmap indexes with varying number of attributes and we have found the least cost query plans for efficient similar sequence searches.

최근 시간적으로 변화된 데이터에서 유사한 값의 움직임 즉 유사 패턴을 검색하는 연구가 활발히 진행되고 있다. 시간적으로 변화된 데이터는 시계열 데이터 (time series data) 또는 시퀀스 데이터(sequence data)로 분류되며 기존의 스칼라 값을 가지는 데이터와는 매우 다른 의미를 가진다. 본 논문에서 유사 시퀀스 검색은 시퀀스 데이터웨어하우스에서 값의 변화가 유사한 형태를 가지는 시퀀스들을 검색한다. 유사 시퀀스를 검색하기 위하여 본 논문에서는 먼저 시퀀스 원시 데이터에 이 산 푸리에 변환(DFT, Discrete Fourier Transform)을 적용하여 데이터를 변환한다. 변환된 데이터는 그 특성으로 인하여 유사 패턴의 검색에 적합하며 또 유사도를 비교할 때 일부분만 사용되므로 색인에 사용되는 속성의 개수를 줄이는 장점이 있다. 또 데이터웨어하우스 환경이므로 더 좋은 성능을 보일 수 있는 비트맵 색인 기법을 적용하였다. 시퀀스 데이터의 효율적인 검색을 위하여 영역 지정 검색 방법을 제안하고 효율적인 실행을 위한 비트맵을 활용한 다양한 조합의 색인을 생성하고, 질의 최적화기의 연산 비용을 비교하면서 효율적인 검색 연산을 위한 최저 비용의 색인을 선택하는 기법을 연구하였다.

Keywords

References

  1. C. Faloutsos, M. Ranganathan and Y. Manolopoulos, "Fast Subsequence Matching in Time-Series Databases," Proc. ACM SIGMOD, Minneapolis MN, May 25-27, pp. 419-429, 1994.
  2. Tak-chung Fu, "A review on time series data mining," Engineering Applications of Artificial Intelligence, vol. 24, pp. 164-181, 2011. https://doi.org/10.1016/j.engappai.2010.09.007
  3. Maria Kontaki, Apostolos N. Papadopoulos, Yannis Mannolopoulos, "Adaptive similarity search in streaming time series with sliding windows," Data and Knowledge Engineering, vol. 63(2), pp. 478-502, 2007. https://doi.org/10.1016/j.datak.2007.03.002
  4. V.Gaede, O.Gunther, "Multidimensional Access methods," ACM Computing Surveys, vol. 30(2), pp. 170-231. 1998. https://doi.org/10.1145/280277.280279
  5. CS Perng, H. Wang, SR Zhang, DS Parker, "Landmarks: A new model for similarity-based pattern querying in time series databases," Proc. of ICDE'00, San Diego, pp. 33-42, CA, 2000.
  6. B. Yi, HV Jagadish, C. Faloutsos, "Efficient Retrieval of similar time sequences under time warping," Proc. of ICDE'98, Orlando, FL, pp. 201-208, 1998.
  7. R. Agrawal, K. Lin, H. Sawhney, and K.Shim, "Fast similarity search in the presence of noise, scaling, and translation in time-series databases," Proc. of VLDB'95, Zurich, Switzerland, pp. 490-501, 1995.
  8. Y. Moon, K. Whang, W. Loh, "Duality-based subsequence matching in time-series databases," Proceedings of the 17th IEEE International Conference on Data engineering, pp. 263-272, 2001.
  9. Y. Moon, K. Whang, W. Han, "General match : subsequence matching method in time-series databases based on generalized windows," Proceedings of ACM SIGMOD, pp. 382-393, 2002.
  10. E. Keogh, J. Lin, J. Fu, "HOT SAX: efficiently finding the most unusual time series subsequence," Proceedings of the Fifth IEEE International Conference on Data Mining, pp. 226-233, 2005.