METHOD AND APPARATUS FOR EXTRACTING A PATTERN OF TIME SERIES DATA
Provided are a method for extracting and estimating a pattern of time series data and an apparatus thereof. According to an embodiment of the present invention, the method comprises the following steps: generating a plurality of data for extracting a second pattern by truncating data for extracting...
Gespeichert in:
Hauptverfasser: | , |
---|---|
Format: | Patent |
Sprache: | eng ; kor |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | Provided are a method for extracting and estimating a pattern of time series data and an apparatus thereof. According to an embodiment of the present invention, the method comprises the following steps: generating a plurality of data for extracting a second pattern by truncating data for extracting a first pattern to a first window size; extracting a plurality of reference patterns by clustering the plurality of data for extracting the second pattern; selecting a first reference pattern from the plurality of reference patterns on the basis of a result of comparing a first section of the first reference pattern among the plurality of reference patterns with sample data; and calculating a loss value of the first window size by using a second section of the selected first reference pattern. Accordingly, a user can predict a future data flow by analyzing time series data without intervention of an analyst. In addition, a single analysis model can be universally applied to various types of data by not depending on the type of data to be analyzed.
시계열 데이터의 패턴 추출 방법 및 장치가 제공된다. 본 발명의 실시예들에 따른 시계열 데이터의 패턴 추출 방법은 제1 패턴 추출용 데이터를 제1 윈도우 크기로 절사하여 복수의 제2 패턴 추출용 데이터들을 생성하는 단계, 상기 복수의 제2 패턴 추출용 데이터들을 클러스터링(Clustering) 하여 복수의 레퍼런스 패턴들을 추출하는 단계, 상기 복수의 레퍼런스 패턴들 중 제1 레퍼런스 패턴의 제1 구간과 샘플 데이터를 비교한 결과에 기반하여, 상기 복수의 레퍼런스 패턴들 중에서 상기 제1 레퍼런스 패턴을 선택하는 단계, 및 상기 선택된 제1 레퍼런스 패턴의 제2 구간을 이용하여 상기 제1 윈도우 크기의 손실값을 산출하는 단계를 포함한다. 이러한 방법에 따르면, 분석 전문가의 개입이 없어도 시계열 데이터를 분석하여 이후의 데이터 흐름을 예측할 수 있으며, 분석 대상 데이터의 유형에 의존하지 않아 단일 분석 모델을 다양한 형태의 데이터에 범용적으로 적용할 수 있다. |
---|