[论文解读] Finding Motif Sets in Time Series

Anthony Bagnall, Jon Hills+1 more|arXiv (Cornell University)|Jul 14, 2014

Time Series Analysis and Forecasting参考文献 5被引用 6

一句话总结

本文提出了三种新算法——Scan MK、Cluster MK 和 Set Finder——用于在时间序列中发现基序集，特别针对家庭用电数据。通过成对匹配和集合质量启发式方法，Set Finder 在合成数据上的准确性优于 Scan MK，且两者在真实用电轮廓中均能以高精度识别出与设备相关的使用模式，灵敏度适中。

ABSTRACT

Time-series motifs are representative subsequences that occur frequently in a time series; a motif set is the set of subsequences deemed to be instances of a given motif. We focus on finding motif sets. Our motivation is to detect motif sets in household electricity-usage profiles, representing repeated patterns of household usage. We propose three algorithms for finding motif sets. Two are greedy algorithms based on pairwise comparison, and the third uses a heuristic measure of set quality to find the motif set directly. We compare these algorithms on simulated datasets and on electricity-usage data. We show that Scan MK, the simplest way of using the best-matching pair to find motif sets, is less accurate on our synthetic data than Set Finder and Cluster MK, although the latter is very sensitive to parameter settings. We qualitatively analyse the outputs for the electricity-usage data and demonstrate that both Scan MK and Set Finder can discover useful motif sets in such data.

研究动机与目标

• 开发稳健的算法，用于发现时间序列数据中频繁出现且不重叠的基序集，特别针对家庭用电量轮廓。
• 解决现有基序发现方法的局限性，即仅关注最佳匹配对而非高基数基序集。
• 在合成数据和真实世界用电量时间序列上评估算法性能。
• 证明基序集在从聚合的家庭用电数据中识别设备使用模式（如洗衣机、洗碗机）的实际效用。
• 探索算法对参数设置（尤其是 r）的敏感性，以及窗口大小（n）对基序发现准确性的影响。

提出的方法

• Scan MK 迭代使用 Mueen-Keogh (MK) 算法识别最佳匹配对，将其添加到基序集中，移除平凡匹配，并将所有距离核心对在 2r 以内的子序列扩展至基序集。
• Cluster MK 使用 MK 找到最佳匹配对后，应用聚类启发式方法，将所有距离该对在 2r 以内的子序列聚类，形成基序集。
• Set Finder 直接使用启发式方法评估基序集质量，通过最大化在阈值 r 内非重叠且高度匹配的子序列数量，无需将成对匹配作为子程序。
• 所有算法均使用欧几里得距离作为基础相似性度量，并通过禁止重叠子序列来确保非平凡匹配。
• 算法在一系列 r 值下进行评估，窗口大小 n=4 固定（代表 15 分钟聚合数据的一个小时），结果经后处理以识别设备特定的使用模式。
• 通过在已知基序形状的合成数据和真实用电量轮廓上使用精确率和召回率指标评估性能。

实验结果

研究问题

• RQ1 在具有一个或两个不同形状的合成时间序列中，不同基序集发现算法在检测已知基序集时的准确性如何比较？
• RQ2 基序集发现算法对距离阈值 r 的选择有多敏感？这如何影响其在真实用电量数据上的性能？
• RQ3 基序集能否有效用于从 15 分钟聚合的用电量数据中识别和分析单个家庭电器（如洗衣机、洗碗机、烤箱）？
• RQ4 与基于成对匹配的算法（Scan MK、Cluster MK）相比，基于直接集合质量的算法（Set Finder）在基序发现的精确率和召回率方面表现如何？
• RQ5 对多个基序集进行后处理在多大程度上能提升真实用电数据中设备特定使用模式的识别效果？

主要发现

• 在具有一个或两个不同基序形状的合成数据上，Set Finder 的准确性显著高于 Scan MK，尤其在 r 取最优值时。
• 当 r 设置得当时，Cluster MK 表现与 Set Finder 竞争激烈，但 r 稍有变化时性能急剧下降，表明其对参数选择高度敏感。
• 在真实用电量数据上，n=4 且 r=0.5 时，Set Finder 正确识别了所有洗衣机实例（精确率=1.0，召回率=1.0），对这一设备表现出极高的特异性和召回能力。
• Scan MK 通过 4-基序集和 5-基序集正确识别了洗碗机（精确率=1.0，召回率=0.56），并将两个烤箱实例识别为 6-基序集，但整体召回率低于 Set Finder。
• Set Finder 在所有设备上的整体召回率为 0.21，Scan MK 为 0.24，两者均相对较低，但优于部分合成数据结果，表明设备特定基序集需针对不同 n 和 r 值进行优化。
• 研究结论认为，基序集发现对用电数据中的设备分析具有前景，特别是结合多尺度分析（变化的 n 和 r）与后处理以合并相关基序集时。