[发明专利]一种海量时间序列数据相似性连接计算方法

权利要求书

1.一种海量时间序列数据相似性连接计算方法，其特征在于，包括以下步骤：

S1、从海量时间序列数据集D中随机采样小数据量的数据集S；

S2、对采样的小数据量数据集S选取参考点并且建立SJT树，记做SJT_S，利用SJT树剪枝非必要的相似性连接的比较数据对，基于SJT树，相似性连接的比较数据对包括：SJT树叶结点内部的比较数据对和SJT树叶结点之间的比较数据对；

S3、将步骤S2生成的SJT_S扩展为一棵完全树SJT_C，使海量时间序列数据集D中的所有数据都存储在SJT_C中；

S4、对完全树SJT_C中的叶结点建立分区集合P＝{G₁,G₂,…G_i,…G_n}，其中G_i为完全树SJT_C对应的第i个叶结点集合，1≤i≤n；

S5、利用分布式计算框架MapReduce计算分区集合P＝{G₁,G₂,…G_i,…G_n}中相似性连接的比较数据对，获得海量时间序列数据集D中所有满足阈值的数据对。

2.如权利要求1所述的海量时间序列数据相似性连接计算方法，其特征在于，所述步骤S2中的对采样数据集S选取参考点及SJT树剪枝的方法包括以下步骤：

S21、根据给定的数据集X＝{x₁，x₂，…，x_i，…，x_n}和参考点r，其中1≤i≤n，计算x_i到参考点r的距离，将计算的所有距离值按照升序排序；

S22、针对任意两个数据x_i和x_j，当x_i和x_j到参考点r的投影距离d(x_i，r)和d(x_j，r)均大于阈值数据ε时，根据三角不等式则得出d(x_i，x_j)＞ε，剪枝掉大量投影距离小于阈值数据ε的计算。

3.如权利要求2所述的海量时间序列数据相似性连接计算方法，其特征在于，所述步骤S21中的参考点为多层，参考点r的选取方法包括以下步骤：

S211、首先在数据集X中随机选择一条数据，然后找到与该条数据最远的数据r₁，并将r₁作为第一个参考点；

S212、其次，找出距离r₁最远的数据r₂，作为第二个参考点，第一个参考点和第二个参考点之间的距离就是数据集X的边界edge；

S213、针对非参考点数据x_i，计算误差error_i：其中edge为数据集X的边界，d(r_k，x_i)为x_i到第k个参考点的距离，选取error_i最小的数据作为x_i的下一个参考点，已经选定参考点的最近数据作为后续参考点；

S214、循环S213的过程，直到参考点数量满足要求。