Luận án tiến sĩ về Khai thác thống kê trong dòng dữ liệu

Luận án tiến sĩ nghiên cứu statistical mining in data streams, phát triển phương pháp mới, đánh giá hiệu quả ứng dụng trong lĩnh vực tại Việt Nam.

Chuyên ngành

Computer Science

Người đăng

Ẩn danh

Thể loại

dissertation

2006

294
2
0

Phí lưu trữ

55 Point

Mục lục chi tiết

Acknowledgements

Curriculum Vitæ

Abstract

Contents

1. CHƯƠNG 1: Introduction

1.1. Data Stream Mining

1.2. Contributions toward statistical stream mining

2. CHƯƠNG 2: Kalman Filter in Stream Resource Mangement

2.1. Adaptive resource management for maximizing resource conservation

2.2. What is the Kalman Filter?

2.3. The Kalman Filter

2.4. The Dual Kalman Filter Model

2.5. Why Kalman Filter?

2.6. Modeling Kalman Filter for Data Streaming Applications

2.7. Adaptive resource management for maximizing query precision

3. CHƯƠNG 3: Bayesian reasoning for sensor resource management and diagnosis

3.1. Architecture and Model

3.2. Bayesian Network Construction

3.3. Query Plan Generation

3.4. Answering Diagnostic Queries

3.5. Query Answer Quality-Loss

4. CHƯƠNG 4: Adaptive clustering in Data Streams

4.1. Adaptive Non-linear Clustering Framework

4.2. Kernel Methods for Stream Clustering

4.3. Kernel Stream Segmentation (Tier-1)

4.4. Data Projection in LDS (Tier-2)

5. CHƯƠNG 5: OCODDS: Online change-over detection framework for tracking evolutionary changes in streaming data

5.1. The OCODDS Framework

5.2. Finding the changeover location in a window

5.3. Conducting the hypothesis test

5.4. OCODDS using the kernel method

5.5. Comparative analysis with CUSUM

5.6. Effect of window and padding size

5.7. Effect of population variance ratio

5.8. Effect of location uncertainty (LU)

5.9. Effect of Noise

6. CHƯƠNG 6: Video sensor data acquisition and processing

6.1. Background and Contribution

6.2. On-line selective focus-of-attention

7. CHƯƠNG 7: Conclusions and future directions

Bibliography

A Represenations of means in LDS (Chapter 4)

B Derivations of formulae used in Chapter 5

Tóm tắt

I. Khai thác Thống kê Dòng Dữ Liệu Tổng Quan và Ứng Dụng

Dòng dữ liệu là chuỗi các phần tử dữ liệu đến liên tục, yêu cầu xử lý và phân tích theo thời gian thực. Các hệ thống quản lý dòng dữ liệu (DSMS) phải xử lý dữ liệu nhanh chóng, hiệu quả với nguồn lực hạn chế. Khai thác thống kê dòng dữ liệu là một lĩnh vực quan trọng, tập trung vào việc khám phá tri thức từ luồng dữ liệu liên tục, đòi hỏi các thuật toán thích ứng và hiệu quả về bộ nhớ. Các ứng dụng rất đa dạng, từ giám sát mạng đến phân tích giao dịch tài chính. Theo Babcock và cộng sự, dữ liệu đến trực tuyến, hệ thống không kiểm soát được thứ tự dữ liệu đến, và một khi đã xử lý thì khó có thể truy xuất lại trừ khi được lưu trữ rõ ràng.

1.1. Giới thiệu về hệ thống DSMS Data Stream Management System

Hệ thống DSMS (Data Stream Management System) được thiết kế để quản lý và xử lý các dòng dữ liệu liên tục. Khác với DBMS truyền thống, DSMS tập trung vào việc xử lý dữ liệu thời gian thực, đáp ứng các yêu cầu về độ trễ thấp và khả năng xử lý tốc độ cao. Các tính năng chính của DSMS bao gồm khả năng truy vấn liên tục, quản lý tài nguyên và thích ứng với sự thay đổi của dòng dữ liệu. DSMS đóng vai trò quan trọng trong các ứng dụng như giám sát mạng, phân tích cảm xúc trực tuyến và quản lý dữ liệu từ các thiết bị IoT. Các hệ thống DSMS cần giải quyết các vấn đề như giảm tải dữ liệu, xử lý truy vấn gần đúng và quản lý bộ nhớ hiệu quả.

1.2. Các đặc điểm của khai thác thống kê dòng dữ liệu

Khai thác thống kê dòng dữ liệu có các đặc điểm riêng biệt so với khai thác dữ liệu truyền thống. Dữ liệu đến liên tục, đòi hỏi các thuật toán phải xử lý trực tuyến và thích ứng với sự thay đổi của dữ liệu. Bộ nhớ là một nguồn lực hạn chế, do đó, các thuật toán phải hiệu quả về bộ nhớ và có khả năng tạo ra các bản tóm tắt dữ liệu. Các kết quả thường là gần đúng, do việc xử lý toàn bộ dữ liệu là không khả thi. Các thuật toán khai thác dòng dữ liệu phải có khả năng phát hiện concept drift (sự thay đổi khái niệm) và điều chỉnh mô hình cho phù hợp.

II. Thách Thức trong Phân Tích Dữ Liệu Thời Gian Thực Lớn

Việc phân tích dữ liệu thời gian thực từ các nguồn big data stream mining đặt ra nhiều thách thức. Tốc độ đến dữ liệu cao đòi hỏi khả năng xử lý nhanh chóng. Dung lượng dữ liệu lớn yêu cầu các thuật toán hiệu quả về bộ nhớ và tính toán. Sự thay đổi liên tục của dữ liệu đòi hỏi các mô hình phải thích ứng. Ngoài ra, việc xử lý dữ liệu phân tán và đảm bảo chất lượng dữ liệu cũng là những vấn đề cần giải quyết. Xử lý luồng dữ liệu liên tục đòi hỏi sự kết hợp của nhiều kỹ thuật.

2.1. Vấn đề về tốc độ xử lý và độ trễ thấp

Tốc độ xử lý dữ liệu là một yếu tố then chốt trong phân tích thời gian thực. Các ứng dụng yêu cầu độ trễ thấp, chẳng hạn như phát hiện gian lận trong giao dịch tài chính, đòi hỏi các thuật toán phải xử lý dữ liệu với tốc độ cao và đưa ra kết quả trong thời gian ngắn. Việc tối ưu hóa thuật toán, sử dụng phần cứng chuyên dụng và phân tán tính toán là các phương pháp để cải thiện tốc độ xử lý. Ngoài ra, việc lựa chọn cấu trúc dữ liệu phù hợp cũng đóng vai trò quan trọng trong việc giảm độ trễ.

2.2. Giới hạn về bộ nhớ và tài nguyên tính toán

Bộ nhớ và tài nguyên tính toán là những nguồn lực hạn chế trong xử lý dòng dữ liệu. Do dữ liệu đến liên tục và không giới hạn, việc lưu trữ toàn bộ dữ liệu là không khả thi. Các thuật toán khai thác dòng dữ liệu phải hiệu quả về bộ nhớ và có khả năng xử lý dữ liệu với nguồn lực hạn chế. Các kỹ thuật như sampling (lấy mẫu), sketching (vẽ phác) và summarization (tóm tắt) được sử dụng để giảm kích thước dữ liệu và tiết kiệm bộ nhớ. Việc sử dụng các mô hình nhỏ gọn và hiệu quả cũng giúp giảm yêu cầu về tài nguyên tính toán.

2.3. Xử lý Concept Drift trong Dòng Dữ Liệu

Hiện tượng Concept Drift xảy ra khi các đặc tính thống kê của dòng dữ liệu thay đổi theo thời gian. Các mô hình khai thác dữ liệu cần phải có khả năng phát hiện và thích ứng với những thay đổi này để duy trì độ chính xác. Các phương pháp phát hiện Concept Drift bao gồm giám sát hiệu suất mô hình, phân tích sự thay đổi của phân phối dữ liệu và sử dụng các thuật toán thích ứng. Khi phát hiện thấy Concept Drift, mô hình cần được cập nhật hoặc thay thế bằng một mô hình mới phù hợp hơn với dữ liệu hiện tại.

III. Phương Pháp Kalman Filter trong Quản Lý Tài Nguyên Stream

Kalman Filter là một thuật toán lọc tối ưu, ước tính trạng thái của một hệ thống động dựa trên chuỗi các phép đo không hoàn hảo. Trong quản lý tài nguyên stream, Kalman Filter được sử dụng để dự đoán tải dữ liệu, điều chỉnh tốc độ lấy mẫu và phân bổ tài nguyên một cách hiệu quả. Nó giúp giảm thiểu việc truyền tải dữ liệu không cần thiết và tối ưu hóa việc sử dụng tài nguyên mạng. Theo Ankur Jain, Kalman Filter giúp nắm bắt các tương quan thời gian trong dòng dữ liệu, giúp bảo tồn tài nguyên.

3.1. Ứng dụng Adaptive Resource Management với Kalman Filter

Adaptive Resource Management là một kỹ thuật quan trọng trong quản lý tài nguyên stream. Kalman Filter có thể được sử dụng để dự đoán nhu cầu tài nguyên và điều chỉnh việc phân bổ tài nguyên một cách linh hoạt. Ví dụ, nếu Kalman Filter dự đoán rằng tải dữ liệu sẽ tăng, hệ thống có thể tăng tốc độ lấy mẫu hoặc phân bổ thêm tài nguyên cho việc xử lý dữ liệu. Ngược lại, nếu tải dữ liệu dự kiến giảm, hệ thống có thể giảm tốc độ lấy mẫu hoặc giảm bớt tài nguyên để tiết kiệm năng lượng.

3.2. Mô hình hóa Kalman Filter cho ứng dụng Data Streaming

Để sử dụng Kalman Filter trong các ứng dụng data streaming, cần phải mô hình hóa hệ thống một cách phù hợp. Điều này bao gồm việc xác định các biến trạng thái, các phép đo và các tham số của bộ lọc. Mô hình Kalman Filter có thể được điều chỉnh để phù hợp với các đặc tính của dòng dữ liệu và các yêu cầu của ứng dụng. Ví dụ, trong một hệ thống giám sát mạng, biến trạng thái có thể là tải mạng và phép đo có thể là số lượng gói tin đến. Việc điều chỉnh các tham số của bộ lọc có thể ảnh hưởng đến độ chính xác và độ ổn định của ước tính.

3.3. Dual Kalman Filter Model DKF và ứng dụng

DKF, hay Dual Kalman Filter Model, là một biến thể của Kalman Filter, sử dụng hai bộ lọc Kalman song song. Một bộ lọc ước tính trạng thái của hệ thống, trong khi bộ lọc còn lại ước tính các tham số của mô hình. DKF đặc biệt hữu ích trong các ứng dụng mà các tham số của mô hình thay đổi theo thời gian. Ví dụ, trong một hệ thống dự báo tài chính, DKF có thể được sử dụng để ước tính cả giá cổ phiếu và các tham số của mô hình dự báo. Theo tài liệu nghiên cứu, kiến trúc DKF giúp tăng cường hiệu quả và độ chính xác so với Kalman Filter thông thường.

IV. Kỹ Thuật Phân Cụm Thích Ứng trong Dòng Dữ Liệu Lớn

Phân cụm dòng dữ liệu là một kỹ thuật quan trọng để khám phá cấu trúc ẩn trong dữ liệu. Do tính chất động của dòng dữ liệu, các thuật toán phân cụm phải thích ứng với sự thay đổi của dữ liệu và hoạt động dưới các ràng buộc về bộ nhớ. Adaptive clustering (Phân cụm thích ứng) là một phương pháp hiệu quả để đối phó với những thách thức này. Nó cho phép các cụm tự động điều chỉnh kích thước, hình dạng và vị trí để phản ánh sự thay đổi của dữ liệu. Một trong những phương pháp là sử dụng Kernel Methods.

4.1. Khung Adaptive Non linear Clustering và thành phần

Khung Adaptive Non-linear Clustering được thiết kế để phân cụm dữ liệu phi tuyến tính trong dòng dữ liệu. Khung này thường bao gồm các thành phần sau: (1) Một cơ chế để phát hiện sự thay đổi của dữ liệu, (2) Một thuật toán phân cụm có khả năng thích ứng với sự thay đổi, và (3) Một phương pháp để duy trì thông tin tóm tắt về các cụm. Các thuật toán phân cụm phi tuyến tính, chẳng hạn như dựa trên kernel methods, có thể được sử dụng để phát hiện các cụm có hình dạng phức tạp.

4.2. Sử dụng Kernel Methods để Phân Cụm Dòng Dữ Liệu

Kernel Methods là một kỹ thuật mạnh mẽ để phân cụm dữ liệu phi tuyến tính. Kernel Methods ánh xạ dữ liệu vào một không gian đặc trưng cao chiều, nơi các cụm có thể được phân tách tuyến tính. Các thuật toán phân cụm dựa trên Kernel Methods có thể phát hiện các cụm có hình dạng phức tạp mà các thuật toán phân cụm tuyến tính không thể phát hiện được. Tuy nhiên, Kernel Methods có thể tốn kém về mặt tính toán, đặc biệt là khi xử lý dữ liệu lớn. Cần có các kỹ thuật để giảm độ phức tạp tính toán của Kernel Methods trong các ứng dụng dòng dữ liệu.

4.3. Kernel Stream Segmentation Tier 1 để tăng tốc phân cụm

Kernel Stream Segmentation là một kỹ thuật để chia dòng dữ liệu thành các phân đoạn nhỏ hơn, dễ quản lý hơn. Mỗi phân đoạn được xử lý riêng biệt bằng một thuật toán phân cụm dựa trên Kernel Methods. Kỹ thuật này có thể giảm độ phức tạp tính toán của việc phân cụm dòng dữ liệu lớn. Ngoài ra, Kernel Stream Segmentation có thể giúp phát hiện các cụm mới xuất hiện trong dòng dữ liệu và loại bỏ các cụm cũ không còn phù hợp.

V. Phát Hiện Thay Đổi Trực Tuyến với OCODDS cho Dòng Dữ Liệu

OCODDS (Online Change-Over Detection System) là một khung để phát hiện các thay đổi trong dòng dữ liệu theo thời gian thực. Nó sử dụng các phương pháp thống kê để phát hiện sự thay đổi trong phân phối dữ liệu và cảnh báo khi có sự thay đổi đáng kể. OCODDS đặc biệt hữu ích trong các ứng dụng mà việc phát hiện sớm các thay đổi là rất quan trọng, chẳng hạn như phát hiện gian lận hoặc giám sát hệ thống. OCODDS sử dụng các kiểm định giả thuyết để xác định xem có sự thay đổi đáng kể hay không.

5.1. Thành phần chính của khung OCODDS

Khung OCODDS bao gồm các thành phần chính sau: (1) Một cơ chế để thu thập dữ liệu từ dòng dữ liệu, (2) Một phương pháp để tính toán các thống kê tóm tắt về dữ liệu, (3) Một kiểm định giả thuyết để phát hiện sự thay đổi trong phân phối dữ liệu, và (4) Một cơ chế để đưa ra cảnh báo khi có sự thay đổi đáng kể. Các kiểm định giả thuyết có thể là tham số hoặc phi tham số, tùy thuộc vào phân phối của dữ liệu. Việc lựa chọn kiểm định giả thuyết phù hợp là rất quan trọng để đảm bảo độ chính xác của OCODDS.

5.2. Tìm vị trí Changeover trong một Window

Một thành phần quan trọng của OCODDS là khả năng xác định vị trí của changeover (thời điểm thay đổi) trong một cửa sổ thời gian. Điều này cho phép hệ thống xác định thời điểm chính xác khi phân phối dữ liệu bắt đầu thay đổi. Các phương pháp tìm vị trí changeover bao gồm sử dụng các thuật toán tìm kiếm nhị phân hoặc các phương pháp dựa trên đạo hàm. Việc xác định chính xác vị trí changeover có thể giúp cải thiện hiệu suất của các thuật toán khai thác dữ liệu tiếp theo.

5.3. OCODDS sử dụng Kernel Methods

OCODDS có thể được kết hợp với Kernel Methods để phát hiện các thay đổi trong dữ liệu phi tuyến tính. Kernel Methods ánh xạ dữ liệu vào một không gian đặc trưng cao chiều, nơi các thay đổi có thể được phát hiện dễ dàng hơn. Việc sử dụng Kernel Methods trong OCODDS có thể cải thiện độ chính xác của việc phát hiện thay đổi trong các ứng dụng phức tạp.

VI. Ứng Dụng Thực Tiễn của Khai Thác Dữ Liệu Dòng trong IoT

Ứng dụng khai thác dòng dữ liệu ngày càng phổ biến trong nhiều lĩnh vực, đặc biệt là trong IoT (Internet of Things). Các thiết bị IoT tạo ra một lượng lớn dữ liệu liên tục, đòi hỏi các phương pháp xử lý và phân tích hiệu quả. Khai thác dòng dữ liệu có thể được sử dụng để giám sát hiệu suất thiết bị, phát hiện các bất thường và đưa ra các quyết định thông minh. Ví dụ, trong nông nghiệp thông minh, khai thác dòng dữ liệu có thể được sử dụng để theo dõi điều kiện môi trường và điều chỉnh việc tưới tiêu và bón phân.

6.1. Data Mining for IoT và ứng dụng trong Smart City

Data Mining for IoT đóng vai trò quan trọng trong việc xây dựng Smart City. Các cảm biến trong thành phố thông minh thu thập dữ liệu về giao thông, ô nhiễm không khí, tiêu thụ năng lượng và nhiều khía cạnh khác. Khai thác dòng dữ liệu có thể được sử dụng để phân tích dữ liệu này và đưa ra các quyết định tối ưu hóa việc quản lý thành phố. Ví dụ, khai thác dòng dữ liệu có thể được sử dụng để điều chỉnh đèn giao thông dựa trên lưu lượng giao thông hiện tại hoặc để phát hiện các điểm nóng ô nhiễm không khí.

6.2. Ứng dụng Phân tích Cảm Xúc Dòng Dữ Liệu từ Mạng Xã Hội

Phân tích cảm xúc dòng dữ liệu từ mạng xã hội là một ứng dụng thú vị của khai thác dòng dữ liệu. Các bài đăng trên mạng xã hội tạo ra một dòng dữ liệu liên tục về ý kiến và cảm xúc của người dùng. Khai thác dòng dữ liệu có thể được sử dụng để phân tích dữ liệu này và theo dõi xu hướng cảm xúc của công chúng về các sự kiện khác nhau. Thông tin này có thể được sử dụng bởi các doanh nghiệp để cải thiện sản phẩm và dịch vụ của họ hoặc bởi các nhà chính trị để hiểu rõ hơn về quan điểm của cử tri.

6.3. Giám Sát và Dự Báo Dòng Dữ Liệu trong Hệ Thống Năng Lượng

Trong hệ thống năng lượng, khai thác dòng dữ liệu có thể được sử dụng để giám sát và dự báo tải điện, phát hiện các bất thường và tối ưu hóa việc phân phối năng lượng. Các cảm biến trong lưới điện thu thập dữ liệu về điện áp, dòng điện và tần số. Khai thác dòng dữ liệu có thể được sử dụng để phân tích dữ liệu này và dự báo nhu cầu năng lượng trong tương lai. Thông tin này có thể được sử dụng để điều chỉnh sản xuất năng lượng và giảm thiểu rủi ro mất điện.

27/05/2025

Trích đoạn nội dung tài liệu

UNIVERSITY OF CALIFORNIA Santa Barbara Statistical Mining in Data Streams A Dissertation submitted in partial satisfaction of the requirements for the degree of Doctor of Philosophy in Computer Science by Ankur Jain Committee in Charge: Prof. Chang, Chair Prof. Divyakant Agrawal Prof. Yuan-Fang Wang December 2006 UMI Number: 3245961 Copyright 2006 by Jain, Ankur All rights reserved.

UMI Microform 3245961 Copyright 2007 by ProQuest Information and Learning Company. All rights reserved. This microform edition is protected against unauthorized copying under Title 17, United States Code. ProQuest Information and Learning Company 300 North Zeeb Road P.

Box 1346 Ann Arbor, MI 48106-1346 The Dissertation of Ankur Jain is approved: Prof. Divyakant Agrawal Prof. Yuan-Fang Wang Prof. Chang, Committee Chairperson October 2006 Statistical Mining in Data Streams Copyright  c 2006 by Ankur Jain iii Acknowledgements There are a lot of people whom I want to thank for their direct and indirect contributions in making this dissertation possible.

First of all, I would like to thank my advisor, Prof. Chang, for the guidance, support, and honest criticisms he has provided throughout the course of this work. His energy and dedication has always been a great source of inspiration for me. I would also like to thank Prof.

Yuan-Fang Wang who helped me in my research work. I am fortunate to have learned so much from his overall attitude towards problem solving, and efforts to explain things clearly. I would like to thank my friends Badri, Irfan, Kapil, Nagender, Amit, Nisheeth, Vibhore, Sumit, Sukhi, Gayatri, Shalini, Sirisha and Kavitha for supporting me over all these years especially when it was most needed. I thank my colleagues Panda, Arun, Gang, Zhihua, Zoran, Yi, Raju and Kinsghy who where always there for me whenever I needed some help or advice.

Lastly, and most importantly, I wish to thank my parents, R. Jain and Abha Jain, and sisters, Richa and Prachi, for their patience, love and support. To them I dedicate this thesis. iv Curriculum Vitæ Ankur Jain Education Bachelor of Technology in Computer Science and Engineering, Institute of Technology, Banaras Hindu University, May 2002.

Doctor of Philosophy in Computer Science, University of California, Santa Barbara, December 2006. Professional Experience Research internship in the sensor and data mining group with the Mitsubishi Electric Research Labs., Cambridge, MA, Summer 2006. Teaching assistantship at UCSB for the following courses: Computational Geometry, Computer Programming in Java, Programming Methods, Fundamentals of Database Systems, UNIX & C programming. Publications “Adaptive nonlinear clustering for data streams,” Ankur Jain, Z.

of ACM CIKM’06, Intl Conf. on Information and Knowledge Manage- ment, Arlington, VA, USA. v “Efficient diagnostic and aggregate queries on sensor networks,” Ankur Jain, Edward Y. Chang & Yuan-Fang Wang.

UCSB Technical Report, June 2006. “Using stationary-dynamic camera assemblies for wide-area video surveillance and se- lective attention,” Ankur Jain, Dan Kopell, Kyle Kakligian & Yuan-Fang Wang. of IEEE CVPR’06, Conf. on Computer Vision and Pattern Recognition, New York.

“Adaptive stream resource management using Kalman Filters,” Ankur Jain, Edward Y. Chang & Yuan-Fang Wang. of the ACM SIGMOD’04, Intl. on Manage- ment of Data, Paris, France.

“Adaptive sampling for sensor networks,” Ankur Jain & Edward Y. of DMSN’04, Intl. workshop on Data Management in Sensor Networks (in conjunction with VLDB), Toronto, Canada. “Managing and Mining Video Sensor Data,” Edward Y.

Chang, Ankur Jain, Navneet Panda, Yuan-Fang Wang, Gang Wu & Yi Wu. UCSB Technical Report, 2004. Graduate Coursework Computer Networks, Design & Analysis of Algorithms, Programming Languages and Implementation, Theory of Computation, Computational Geometry, Internet Comput- ing and Web Technology, Bioinformatics, Advanced Computer Architecture, Advanced Algorithms for Multimedia Systems. vi Abstract Statistical Mining in Data Streams Ankur Jain Recent years have seen a steady rise of a new class of data management systems called Data Stream Management Systems (DSMS).

These systems manage rapid, high- volume data-streams with transient relations instead of static data with persistent rela- tions. Data streams are common to applications such as network traffic and transac- tion monitoring systems, click-stream processors, industrial process control, and sen- sor networks. A DSMS operates on these continuous and time-varying data streams to facilitate on-the-fly query answering, and to support data acquisition, monitoring and analysis. In this dissertation, we present statistical stream mining solutions for effective on- line processing of streaming data.

We focus research issues related to adaptive stream resource conservation and online mining in a DSMS. We have developed statistical linear and non-linear filtering techniques based on the Kalman Filter to capture tem- poral correlations in the streaming data. Such correlations help in stream resource conservation. We also propose techniques that capture spatial correlations between the streaming sources that further helps improving resource conservation and facilitates answering group-queries in an efficient manner.

vii In addition to resource management and query processing, a DSMS needs to ad- dress issues related to online stream mining. Once the data stream arrives at a central server, effective mining techniques are necessary for stream analysis, before the data can be discarded. Since a stream continuously evolves with time, stream mining tech- niques need to be adaptive and should operate under a given memory constraint. We propose adaptive clustering solutions that use the kernel trick to capture non-linear re- lations in the streaming data.

We also present OCODDS, a change-detection approach that can track evolutionary changes in the stream in both linear and non-linear set- tings. Finally, we present our techniques for effective acquisition and processing of data streams common to video sensor networks. viii Contents List of Figures xii List of Tables xv 1 Introduction 1 1.1 Data Stream Mining .2 Contributions toward statistical stream mining. 8 2 Kalman Filter in Stream Resource Mangement 16 2.1 Adaptive resource management for maximizing resource conservation 18 2.1 What is the Kalman Filter? .4 The Kalman Filter .5 The Dual Kalman Filter Model .6 Why Kalman Filter? .7 Modeling Kalman Filter for Data Streaming Applications .2 Adaptive resource management for maximizing query precision.

73 3 Bayesian reasoning for sensor resource management and diagnosis 75 3.2 Architecture and Model .1 Bayesian Network Construction .2 Query Plan Generation .3 Answering Diagnostic Queries .3 Query Answer Quality-Loss. 111 4 Adaptive clustering in Data Streams 121 4.3 Adaptive Non-linear Clustering Framework .4 Kernel Methods for Stream Clustering .1 Kernel Stream Segmentation (Tier-1) .2 Data Projection in LDS (Tier-2). 163 5 OCODDS: Online change-over detection framework for tracking evolu- tionary changes in streaming data 168 5.2 The OCODDS Framework .1 Finding the changeover location in a window .2 Conducting the hypothesis test .3 OCODDS using the kernel method .1 Comparative analysis with CUSUM .2 Effect of window and padding size .3 Effect of population variance ratio .4 Effect of location uncertainty (LU) .5 Effect of Noise. 200 x 6 Video sensor data acquisition and processing 209 6.1 Background and Contribution .2 On-line selective focus-of-attention.

236 7 Conclusions and future directions 241 Bibliography 246 A Represenations of means in LDS (Chapter 4) 269 B Derivations of formulae used in Chapter 5 271 xi List of Figures 1.1 A Data Stream Management System (DSMS) .1 The DKF model .2 Architecture of DKF model .3 Moving-object dataset (Example 1) .4 Number of updates received at the central server (Example 1) .5 Average error produced by different KF models (Example 1) .6 Electric power load dataset (Example 2) .7 Number of updates received at the central server (Example 2) .8 Average error produced by different KF models (Example 2) .9 Network monitoring dataset (Example 3) .10 Comparative results for KF smoothing against moving average approach 55 2.11 Performance of DKF on smoothed data with F = 10−7 (Example 3) .12 Performance of DKF for precision width δ = 10 (Example 3) .13 m on varying # of streaming sources .14 η on varying # of streaming sources .15 ERU on varying # of streaming sources .16 ERU on varying λi .17 ERU on varying Wi .1 Correlation model for NDBC data .2 Compact representation using BN .3 Sensor Network Architecture .4 Algorithm for computing candidate attributes set, Υ.5 Supplementary procedures for the algorithm shown in Figure 3.6 Resource conservation as a function of δmin and |Q| .7 Resource conservation as a function of δmin .8 Resource conservation with δmin = 0.9 Resource conservation with δmin = 0.90 for 5 different cost sets .12 Selectivity with δmin = 0.1 Linear separation using the kernel methods.2 Well-behaved data in the feature space (Network intrusion data for “ip- sweep” attack).3 Overview of 2-tier clustering architecture .4 Adaptive non-linear clustering framework .5 Reuters stream pattern.6 Network-intrusion stream pattern .7 MNIST stream pattern .8 Cumulative Cluster Purity (u = 10).9 Fraction of elements in significant clusters (u = 10).10 Effect of dimensionality. CUSUM - Detection accuracy (LU = 1, m = 1, n = 30). CUSUM - Processing time (LU = 1, m = 1, n = 30).3 Effect of window length (LU = 1, m = 1, Nrms = 0). Accuracy with LU = 1, m = 1, Nrms = 0, n = 50.5 Effect of padding length (LU = 1, n = 50, Nrms = 0 ).6 Effect of PVR on detection bias (LU = 1, m = 1, n = 50, varying PVR).7 Effect of PVR on detection bias (LU = 1, m = 1, n = 50, varying R).8 Effect population variance on detection accuracy (LU = 1, m = 1, n = 50).9 Effect of LU (m = 1, n = 50).10 Effect of RMS noise (LU = 1, m = 1, n = 50, varying RMS noise).11 Effect of RMS noise (LU = 1, m = 1, n = 50, varying R).1 Computing the correct pan DOF (a) if optical and pan centers are col- located, and (b) if they are not.2 Error in centering assuming computational collocation of the optical center on the rotation axis.3 Selective focus-of-attention as a visual servo problem.4 Comparison of calibration accuracy as a function of experimental setup (using a CCD of 300 × 300 pixels).5 Relation between requested and realized angle of rotation for Sony PTZ camera.6 Mean projection error as a function of pan angle.7 Mean projection error as a function of depth for our model and naı̈ve models.8 Centering errors under various experimental conditions .9 Focus-of-attention experiments using real video .10 Focus-of-attention experiments using real video.

240 xiv List of Tables 1.1 Data stream applications.2 Popular Data Stream Management Systems (DSMS).1 Summary of existing solutions and advantages of using the Kalman Filter 26 2.2 Symbols and their meanings .1 Relative Costs of Sensors for Real Datasets .1 Comparison of calibration accuracy. For [50], 51% simulation runs failed to converge. If the simulation did converge, 85 iterations were needed in average. 230 xv Chapter 1 Introduction A data stream is simply a continuous sequence of data elements (x 1 , x2 , x3, · · · , xi , · · · ) that arrive in on-line fashion, where each element xi could be a scalar or a vector entity.

Babcock et al., presented the data stream model with the following salient features [18]: • The data elements arrive on-line. • The system has no control over the order in which the data elements arrive. • Once an element has been seen or processed, it cannot be easily retrieved or seen again unless it is explicitly stored in the memory. Data streams are common to a variety of data-intensive applications, some of which we have summarized in Table 1.

In all these applications, it is not feasible to operate using a traditional database management system (DBMS), since it assumes persistent data relations and predominately focuses on query optimization, data access (indexing) and privacy. On the other hand, a data stream management system (DSMS), must 1 Chapter 1. Introduction consider critical factors such as noise from the data sources, management of the system resources (both at the central and remote locations), and evolutionary changes in the data trends.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu "Khai thác thống kê trong dòng dữ liệu: Nghiên cứu và ứng dụng" cung cấp cái nhìn sâu sắc về cách thức khai thác và phân tích dữ liệu thống kê trong các dòng dữ liệu hiện đại. Tác giả trình bày các phương pháp và công cụ hữu ích để xử lý và phân tích dữ liệu, từ đó giúp người đọc hiểu rõ hơn về cách áp dụng thống kê trong thực tiễn. Những lợi ích mà tài liệu mang lại bao gồm khả năng cải thiện quyết định dựa trên dữ liệu, tối ưu hóa quy trình làm việc và nâng cao hiệu quả trong các lĩnh vực khác nhau.

Để mở rộng thêm kiến thức về các ứng dụng thực tiễn của thống kê và dữ liệu, bạn có thể tham khảo tài liệu Trách nhiệm bồi thường thiệt hại r ndo nguồn nguy hiểm cao độ gây ra và r nthực tiễn áp dụng tại tỉnh đắk lắk, nơi đề cập đến các khía cạnh pháp lý liên quan đến dữ liệu và trách nhiệm. Ngoài ra, tài liệu Nghiên cứu một số mô hình truyền nhiễm phân thứ mờ và ứng dụng trong mạng cảm biến không dây sẽ giúp bạn hiểu rõ hơn về ứng dụng của thống kê trong các mô hình truyền nhiễm. Cuối cùng, tài liệu Xây dựng phương pháp đánh giá lựa chọn vùng khảo sát vật liệu san lấp để đưa vào quy hoạch thăm dò khai thác khoáng sản làm vật liệu xây dựng thông thường áp dụng cho tỉnh bà rịa vũng tàu sẽ cung cấp thêm thông tin về việc áp dụng thống kê trong quy hoạch và khai thác tài nguyên. Những tài liệu này sẽ giúp bạn mở rộng hiểu biết và khám phá sâu hơn về các ứng dụng của thống kê trong thực tiễn.