Speeding up similarity search under dynamic time warping by pruning unpromising alignments (2018)
- Authors:
- Autor USP: BATISTA, GUSTAVO ENRIQUE DE ALMEIDA PRADO ALVES - ICMC
- Unidade: ICMC
- DOI: 10.1007/s10618-018-0557-y
- Subjects: MINERAÇÃO DE DADOS; ANÁLISE DE SÉRIES TEMPORAIS; RECONHECIMENTO DE PADRÕES
- Keywords: Time series; Similarity search; Dynamic time warping
- Language: Inglês
- Imprenta:
- Source:
- Título: Data Mining and Knowledge Discovery
- ISSN: 1384-5810
- Volume/Número/Paginação/Ano: v. 32, n. 4, p. 988-1016, July 2018
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
SILVA, Diego Furtado et al. Speeding up similarity search under dynamic time warping by pruning unpromising alignments. Data Mining and Knowledge Discovery, v. 32, n. 4, p. 988-1016, 2018Tradução . . Disponível em: https://doi.org/10.1007/s10618-018-0557-y. Acesso em: 25 fev. 2026. -
APA
Silva, D. F., Giusti, R., Keogh, E., & Batista, G. E. de A. P. A. (2018). Speeding up similarity search under dynamic time warping by pruning unpromising alignments. Data Mining and Knowledge Discovery, 32( 4), 988-1016. doi:10.1007/s10618-018-0557-y -
NLM
Silva DF, Giusti R, Keogh E, Batista GE de APA. Speeding up similarity search under dynamic time warping by pruning unpromising alignments [Internet]. Data Mining and Knowledge Discovery. 2018 ; 32( 4): 988-1016.[citado 2026 fev. 25 ] Available from: https://doi.org/10.1007/s10618-018-0557-y -
Vancouver
Silva DF, Giusti R, Keogh E, Batista GE de APA. Speeding up similarity search under dynamic time warping by pruning unpromising alignments [Internet]. Data Mining and Knowledge Discovery. 2018 ; 32( 4): 988-1016.[citado 2026 fev. 25 ] Available from: https://doi.org/10.1007/s10618-018-0557-y - Time series classification with motifs and characteristics
- Uma avaliação sobre a identificação de Motifs em séries temporais
- A fuzzy classifier for data streams with infinitely delayed labels
- Fast unsupervised online drift detection using incremental Kolmogorov-Smirnov test
- A complexity-invariant measure based on fractal dimension for time series classification
- Towards automatic classification on flying insects using inexpensive sensors
- Data mining a trillion time series subsequences under dynamic time warping
- Distância invariante à complexidade baseada em dimensão fractal para classificação de séries temporais
- Unsupervised context switch for classification tasks on data streams with recurrent concepts
- On the need of class ratio insensitive drift tests for data streams
Informações sobre o DOI: 10.1007/s10618-018-0557-y (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
