主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
倪志伟,王超,胡汤磊,倪丽萍.面向数据流的多粒度时变分形维数计算.软件学报,2015,26(10):2614-2630
面向数据流的多粒度时变分形维数计算
Multi-Granularity and Time-Varying Fractal Dimension on Data Stream
投稿时间:2014-02-20  修订日期:2014-12-09
DOI:10.13328/j.cnki.jos.004806
中文关键词:  数据流  分形维数  小波变换  多粒度  时变性
英文关键词:data stream  fractal dimension  wavelet transform  multi-granularity  time-varying
基金项目:国家自然科学基金(71271071,71301041);国家高技术研究发展计划(863)(2011AA040501)
作者单位E-mail
倪志伟 合肥工业大学 管理学院, 安徽 合肥 230009
教育部过程优化与智能决策重点实验室合肥工业大学, 安徽 合肥 230009 
 
王超 合肥工业大学 管理学院, 安徽 合肥 230009
教育部过程优化与智能决策重点实验室合肥工业大学, 安徽 合肥 230009
安徽农业大学 信息与计算机学院, 安徽 合肥 230036 
warton_cc@163.com 
胡汤磊 合肥工业大学 管理学院, 安徽 合肥 230009
教育部过程优化与智能决策重点实验室合肥工业大学, 安徽 合肥 230009 
 
倪丽萍 合肥工业大学 管理学院, 安徽 合肥 230009
教育部过程优化与智能决策重点实验室合肥工业大学, 安徽 合肥 230009 
 
摘要点击次数: 1719
全文下载次数: 1842
中文摘要:
      在大数据时代,数据流是一种常见的数据模型,具有有序、海量、时变等特点.分形是许多复杂系统的重要特征,分形维数是度量系统分形特征的重要指标量.数据流作为动态的复杂系统,其上的分形维数应具有动态、时变、多粒度等特性.提出了多粒度时变分形维数的概念,并设计了基于小波变换技术的数据流多粒度时变分形维数算法.该算法通过对数据流进行离散小波变换,并利用多粒度小波变换树结构在内存中保存数据流的概要信息,可以同时在不同的时间粒度上实时地计算数据流时变分形维数.该方法具有较低的计算复杂度,实验结果表明:该方法可以有效地监控数据流分形维数在不同粒度上的时变特征,深刻地揭示数据流的演化规律.
英文摘要:
      In the era of big data, data stream is a common data model with characteristics such as orderly, massive and time-varying. Fractal is an important feature of many complex systems, and is mainly represented by fractal dimension. Data stream can be viewed as a dynamic and complex system, and its fractal dimension should also have characteristics of dynamic, time-varying and multi-granularity. This paper presents a method of measuring multi-granularity and time-varying fractal dimension on a data stream based on discrete wavelet transform. The method can simultaneously measure the time-varying fractal dimension on a data stream by using the summary information from wavelet transforming of the data stream saved in a multi-granularity wavelet transforming tree in memory. This method has low computational complexity, and effectively reveals the evolution of a data stream. Experimental results show that it can effectively monitor the time-varying characteristic of fractal dimension on a data stream at different granularity.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利