OPM-Miner: One-Off Sequential Pattern Mining for Multivariate Time Series Analysis

Youxi Wu

doi:10.1109/tetci.2026.3684476

OPM-Miner: One-Off Sequential Pattern Mining for Multivariate Time Series Analysis

2026-04-28

0

PRE

AI

DOI：10.1109/tetci.2026.3684476

原文链接

原文求助

摘要

En 中文

时间序列是一种常见的数据形式，包含大量有价值的信息。顺序模式挖掘（SPM）方法可用于分析此类序列；然而，传统的SPM方法主要关注一维时间序列分析，难以分析多元时间序列。更重要的是，多元时间序列之间可能存在交互作用。为解决这些问题，本文探索一次性SPM用于多元时间序列分析（OPM），并提出OPM-Miner算法。在数据预处理阶段，将原始多元时间序列转换为二进制倒排字典，以避免扫描原始数据库。在支持度计算阶段，我们引入剪枝低频项和位索引滑动的策略，并开发名为“Over”和“Under”的策略以进一步提高支持度计算效率。本文选取10种竞争算法和16个真实多元数据库验证OPM-Miner的性能。实验结果表明，OPM-Miner优于其他竞争算法。更重要的是，OPM-Miner可用于空气污染检测，因为它揭示了各种空气污染物之间的交互关系，并能预测未来空气污染物的趋势。

Keyword:

Sequential pattern mining

multivariate time series

frequent pattern

binary inverted dictionary

OPM-Miner: One-Off Sequential Pattern Mining for Multivariate Time Series Analysis

摘要

期刊

机构

引用论文