The extension of traditional data m

The extension of traditional data mining methods to time series has been effectively applied to a wide range of domains such as finance, econometrics, biology, security, and medicine. Many existing mining methods deal with the task of change points detection, but very few provide a flexible approach. Querying specific change points with linguistic variables is particularly useful in crime analysis, where intuitive, understandable, and appropriate detection of changes can significantly improve the allocation of resources for timely and concise operations. In this paper, we propose an on-line method for detecting and querying change points in crime-related time series with the use of a meaningful representation and a fuzzy inference system. Change points detection is based on a shape space representation, and linguistic terms describing geometric properties of the change points are used to express queries, offering the advantage of intuitiveness and flexibility. An empirical evaluation is first conducted on a crime data set to confirm the validity of the proposed method and then on a financial data set to test its general applicability. A comparison to a similar change-point detection algorithm and a sensitivity analysis are also conducted. Results show that the method is able to accurately detect change points at very low computational costs. More broadly, the detection of specific change points within time series of virtually any domain is made more intuitive and more understandable, even for experts not related to data mining.

ผลลัพธ์ (ไทย) 1:

ใช้ส่วนขยายวิธีการทำเหมืองข้อมูลดั้งเดิมชุดเวลากับโดเมนเช่นการเงิน เศรษฐมิติ ชีววิทยา ความปลอดภัย และการแพทย์หลากหลายได้อย่างมีประสิทธิภาพ การทำเหมืองแร่ที่มีอยู่หลายวิธีจัดการกับงานในการตรวจจับจุด แต่น้อยมากยืดหยุ่นมีวิธีการ สอบถามเปลี่ยนแปลงเฉพาะจุดกับตัวแปรภาษาเป็นประโยชน์อย่างยิ่งในการวิเคราะห์อาชญากรรม ใช้งานง่าย เข้าใจ และการตรวจจับการเปลี่ยนแปลงที่เหมาะสมสามารถปรับปรุงการจัดสรรทรัพยากรสำหรับการดำเนินการอย่างรวดเร็ว และกระชับมาก ในกระดาษนี้ เรานำเสนอวิธีการออนไลน์สำหรับการตรวจสอบ และสอบถามจุดเปลี่ยนในเวลาที่เกี่ยวข้องกับอาชญากรรมด้วยการใช้การแสดงความหมายและมีระบบสรุปพร่าเลือน การตรวจจับจุดตามการแสดงพื้นที่ของรูปร่าง และภาษาเงื่อนไขอธิบายคุณสมบัติทางเรขาคณิตของจุดเปลี่ยนแปลงจะใช้การแสดงแบบสอบถาม เสนอประโยชน์ของแบบอะและความยืดหยุ่น ก่อนมีดำเนินการประเมินเชิงประจักษ์ ในชุดข้อมูลอาชญากรรมเพื่อยืนยันความถูกต้องของวิธีการนำเสนอ แล้ว ในชุดข้อมูลทางการเงินในการทดสอบการยอมรับทั่วไป นอกจากนี้จะดำเนินการการเปรียบเทียบอัลกอริทึมการตรวจจับการเปลี่ยนจุดคล้ายและการวิเคราะห์ความไว ผลแสดงว่า วิธีนี้สามารถถูกตรวจพบจุดเปลี่ยนมากคำนวณต้นทุนที่ต่ำ วงกว้างขึ้น การตรวจหาการเปลี่ยนแปลงเฉพาะจุดภายในชุดข้อมูลเวลาจริงโดเมนใด ๆ ได้ง่ายขึ้น และ เข้าใจมาก แม้สำหรับผู้เชี่ยวชาญที่ไม่เกี่ยวข้องกับการทำเหมืองข้อมูล

ผลลัพธ์ (ไทย) 2:

นามสกุลของวิธีการทำเหมืองข้อมูลแบบดั้งเดิมในการอนุกรมเวลาได้ถูกนำมาใช้อย่างมีประสิทธิภาพเพื่อความหลากหลายของโดเมนเช่นการเงินเศรษฐ, ชีววิทยา, การรักษาความปลอดภัยและการแพทย์ หลายวิธีการทำเหมืองแร่ที่มีอยู่จัดการกับงานของการตรวจสอบการเปลี่ยนแปลงจุด แต่น้อยมากให้แนวทางที่มีความยืดหยุ่น สอบถามจุดเปลี่ยนแปลงที่เฉพาะเจาะจงกับตัวแปรที่มีภาษาเป็นประโยชน์อย่างยิ่งในการวิเคราะห์อาชญากรรมที่ใช้งานง่ายเข้าใจและเหมาะสมการตรวจสอบของการเปลี่ยนแปลงอย่างมีนัยสำคัญสามารถปรับปรุงการจัดสรรทรัพยากรสำหรับการดำเนินการในเวลาที่เหมาะสมและรัดกุม ในบทความนี้เราจึงนำเสนอวิธีการในบรรทัดสำหรับการตรวจสอบและสอบถามจุดเปลี่ยนแปลงในอนุกรมเวลาที่เกี่ยวข้องกับอาชญากรรมที่มีการใช้เป็นตัวแทนที่มีความหมายและระบบการอนุมานเลือน การตรวจสอบการเปลี่ยนแปลงจุดที่อยู่บนพื้นฐานของการเป็นตัวแทนพื้นที่รูปร่างและแง่ภาษาอธิบายคุณสมบัติทางเรขาคณิตของจุดเปลี่ยนแปลงที่ใช้ในการแสดงคำสั่งที่นำเสนอประโยชน์จาก intuitiveness และความยืดหยุ่น การประเมินผลเชิงประจักษ์คือการดำเนินการครั้งแรกในข้อมูลอาชญากรรมตั้งเพื่อยืนยันความถูกต้องของวิธีที่นำเสนอแล้วในข้อมูลทางการเงินตั้งเพื่อทดสอบการบังคับใช้ทั่วไป การเปรียบเทียบกับวิธีการตรวจสอบการเปลี่ยนแปลงจุดที่คล้ายกันและการวิเคราะห์ความไวจะดำเนินการยัง ผลการศึกษาพบว่าวิธีการที่สามารถตรวจสอบได้อย่างถูกต้องเปลี่ยนแปลงจุดที่ค่าใช้จ่ายในการคำนวณที่ต่ำมาก กว้างกว่าการตรวจสอบจุดที่มีการเปลี่ยนแปลงเฉพาะภายในอนุกรมเวลาของความจริงใด ๆ โดเมนที่ทำง่ายขึ้นและเข้าใจมากขึ้นแม้สำหรับผู้เชี่ยวชาญที่ไม่เกี่ยวข้องกับการทำเหมืองข้อมูล

ผลลัพธ์ (ไทย) 3:

ส่วนขยายของวิธีการเหมืองข้อมูลแบบอนุกรมเวลามีการใช้อย่างมีประสิทธิภาพเพื่อความหลากหลายของโดเมน เช่น การเงิน เศรษฐมิติ , ชีววิทยา , การรักษาความปลอดภัย , และการแพทย์ วิธีการทำเหมืองหลายที่มีอยู่จัดการกับงานเปลี่ยนจุดตรวจจับ แต่น้อยมากที่ให้วิธีที่ยืดหยุ่น สอบถามเปลี่ยนจุดที่เฉพาะเจาะจงกับตัวแปรภาษาเป็นประโยชน์อย่างยิ่งในการวิเคราะห์อาชญากรรม ที่ใช้งานง่าย , เข้าใจได้ง่าย และการตรวจหาการเปลี่ยนแปลงที่เหมาะสมสามารถปรับปรุงการจัดสรรทรัพยากรสำหรับการดำเนินการทันเวลา และกระชับ งานวิจัยนี้ได้เสนอวิธีการออนไลน์เพื่อตรวจสอบและสอบถามจุดเปลี่ยนในอาชญากรรมที่เกี่ยวข้องกับการใช้อนุกรมเวลาของการสื่อความหมาย และระบบการอนุมานแบบฟัซซี เปลี่ยนจุดตรวจจับตามรูปร่างพื้นที่การแสดง ด้านภาษาและคำอธิบายคุณสมบัติทางเรขาคณิตของการเปลี่ยนจุดใช้บริการแบบสอบถาม เสนอประโยชน์ของความคิดริเริ่มและความยืดหยุ่น การประเมินเชิงประจักษ์เป็นครั้งแรก โดยดำเนินคดีชุดข้อมูลเพื่อยืนยันความถูกต้องของวิธีที่นำเสนอ และในข้อมูลทางการเงินการตั้งค่าการทดสอบทั่วไปการบังคับใช้ เปรียบเทียบกับที่คล้ายกัน เปลี่ยนจุดตรวจจับขั้นตอนวิธีและการวิเคราะห์ความไว ยังดำเนินการ ผลการทดลองแสดงให้เห็นว่าวิธีการที่ถูกต้องสามารถตรวจสอบเปลี่ยนจุดที่คำนวณค่าใช้จ่ายต่ำมาก เพิ่มเติมในวงกว้าง การตรวจหาจุด เปลี่ยนแปลงเฉพาะภายในเวลาจวนใด ๆชุดของโดเมนได้ง่ายขึ้นและเข้าใจมากขึ้น แม้แต่สำหรับผู้เชี่ยวชาญด้านความสัมพันธ์กับการทำเหมืองข้อมูล