当前位置: 首页 > news >正文

SIGMOD 2024 | 时空数据(Spatial-Temporal)和时间序列(Time Series)论文总结

SIGMOD2024于6月9号-6月14号正在智利圣地亚戈举行(Santiago Chile)

本文总结了SIGMOD 2024有关时间序列(time series),包括时序数据库,查询优化等内容。以及时空数据(spatial-temporal data)的相关论文,主要包含时空时空数据管理,时空数据挖掘,数据库等内容,如有疏漏,欢迎大家补充。笔者对DB了解浅薄,如有表述不当,欢迎大家指正。

SIGMOD24的detailed program中有专门的时空数据的session。

SIGMOD 时空数据Session
🌟【紧跟前沿】“时空探索之旅”与你一起探索时空奥秘!🚀
欢迎大家关注时空探索之旅时空探索之旅QRCode

1. Origin-Destination Travel Time Oracle for Map-based Services

链接:https://dl.acm.org/doi/abs/10.1145/3617337

作者:Yan Lin (Beijing Jiaotong University); Huaiyu Wan (Beijing Jiaotong University); Jilin Hu (Aalborg University)*; Shengnan Guo (Beijing Jiaotong University); Bin Yang (Aalborg University); Youfang Lin (Beijing Jiaotong University); Christian S. Jensen (Aalborg University)

关键词:ETA(OD),扩散模型

代码:https://github.com/Logan-Lin/DOT

DOT

2. Temporal JSON Keyword Search

链接:https://dl.acm.org/doi/abs/10.1145/3654980

作者:Curtis Dyreson (Utah State University)*; Amani Shatnawi (Yarmouk University ); Sourav S Bhowmick (Nanyang Technological University); Vishal Sharma (University of Nevada, Las Vegas)

关键词:时序关键词搜索,JSON

代码:https://github.com/cdyreson/temporalHierarchicalKeywordSearch

Temporal Search

3. Proximity Queries on Point Clouds using Rapid Construction Path Oracle

链接:https://dl.acm.org/doi/abs/10.1145/3639261

作者:Yinzhao YAN (Hong Kong University of Science and Technology)*; Raymond Chi-Wing Wong (Hong Kong University of Science and Technology)

关键词:POI最短路径查询,Oracle

4. Optimizing Time Series Queries with Versions

链接:https://dl.acm.org/doi/abs/10.1145/3654962

作者:Rui Kang (Tsinghua University); Shaoxu Song (Tsinghua University)*

关键词:时间序列查询,物联网数据库

5. Hierarchical Cut Labelling – Scaling Up Distance Queries on Road Networks

链接:https://dl.acm.org/doi/abs/10.1145/3626731

作者:Muhammad Farhan (Australian National University)*; Henning Koehler (Massey University); Robert Ohms (Australian National University); Qing Wang (ANU)

关键词:最短路查询,路网,层次划分

6. Nexus: Correlation Discovery over Collections of Spatio-Temporal Tabular Data

链接:https://dl.acm.org/doi/abs/10.1145/3654957

作者:Yue Gong (The University of Chicago)*; Sainyam Galhotra (Cornell University); Raul Castro Fernandez (The University of Chicago)

关键词:数据发现,时空数据,相关性分析,假设生成,表格数据

NEXUS

7. DGC: Training Dynamic Graphs with Spatio-Temporal Non-Uniformity using Graph Partitioning by Chunks

链接:https://dl.acm.org/doi/abs/10.1145/3626724

作者:Fahao Chen (The University of Aizu); Peng Li (the University of Aizu)*; Celimuge Wu (The University of Electro-Communications)

关键词:动态图,分布式机器学习,图划分

DGC

8. Akane: Perplexity-Guided Time Series Data Cleaning

链接:https://dl.acm.org/doi/abs/10.1145/3654993

作者:Xiaoyu Han (Fudan University)*; Haoran Xiong (Fudan University); Zhenying He (Fudan University); Peng Wang (" Fudan University, China"); Chen Wang (" Tsinghua University, China"); X. Sean Wang (Fudan University)

关键词:时间序列数据清洗

9. Time Series Representation for Visualization in Apache IoTDB

链接:https://dl.acm.org/doi/abs/10.1145/3639290

作者:Lei Rui (Tsinghua University); Xiangdong Huang (Tsinghua University); Shaoxu Song (Tsinghua University)*; Yuyuan Kang (University of Wisconsin-Madison); Chen Wang (Timecho Limited); Jianmin Wang (“Tsinghua University, China”)

关键词:时序数据可视化,数据库查询处理

Apache IoTDB

10. MOST: Model-Based Compression with Outlier Storage for Time Series Data

链接:https://dl.acm.org/doi/abs/10.1145/3626737

作者:Zehai Yang (Institute of Computing Technology, CAS & University of Chinese Academy of Sciences); Shimin Chen (Chinese Academy of Sciences)*

关键词:时间序列数据异常存储压缩

MOSTDB

11. Correlation Joins over Time Series Data Streams Utilizing Complementary Dimension Reduction and Transformation

链接:https://dl.acm.org/doi/abs/10.1145/3626722

作者:AmirReza Alizade Nikoo (University of Zürich)*; Sven Helmer (University of Zurich); Michael H Böhlen (University of Zurich)

关键词:时间序列,数据流, join processing

12. (Demo)UniTS: A Universal Time Series Analysis Framework Powered by Self-supervised Representation Learning

链接:https://dl.acm.org/doi/abs/10.1145/3626246.3654733

作者:Zhiyu Liang (Harbin Institute of Technology); Chen Liang (Harbin Institute of technology); Zheng Liang (Harbin Institute of Technology); Hongzhi Wang (Harbin Institute of Technology); Bo Zheng (CnosDB Inc.)

关键词:时间序列分析,自监督学习,预训练

代码:https://github.com/LceOmlet/UniTS

Harbin Institute of Technology); Bo Zheng (CnosDB Inc.)

关键词:时间序列分析,自监督学习,预训练

代码:https://github.com/LceOmlet/UniTS

UniTS

相关文章:

SIGMOD 2024 | 时空数据(Spatial-Temporal)和时间序列(Time Series)论文总结

SIGMOD2024于6月9号-6月14号正在智利圣地亚戈举行(Santiago Chile) 本文总结了SIGMOD 2024有关时间序列(time series),包括时序数据库,查询优化等内容。以及时空数据(spatial-temporal data)的…...

学习分享-分布式 NoSQL 数据库管理系统Cassandra以及它和redis的区别

前言 最近在学习的过程中遇到如何应对海量幂等 Key 所消耗的内存的问题,在网上查找资料了解到Cassandra或许是解决方式之一,所以查找了Cassandra的相关资料及其Cassandra和redis的区别。 什么是Cassandra Cassandra 是一个开源的分布式 NoSQL 数据库管…...

Android 汉字转拼音(两行就够了)

在Android中,我们可以使用Android自带的Transliterator类来实现汉字转拼音的功能。下面是使用Transliterator类的示例代码: 在你的Activity或者工具类中,使用以下代码来实现汉字转拼音的功能: import android.support.v7.app.Ap…...

JVM

栈 定义 每个线程运行时所需要的内存, 称为虚拟机栈每个栈由多个栈帧(包含参数, 局部变量, 放回值)组成, 对应着每次方法调用时所占用的内存每个线程只能有一个活动栈帧, 对应着当前正在执行的那个方法 堆 定义: 通过new关键字, 创建对象都会使用堆内存 特点:它是线程共享…...

MySQL锁机制和事务管理:如何处理并发和隔离性

引言 在数据库系统中,多个用户可能同时访问和修改数据,这就是并发操作。并发操作的主要优势在于,它显著提高了资源的利用率和事务的吞吐量。然而,如果不适当的管理并发操作,就会引发一些问题。以下几种并发操作中常见的问题: 丢失修改:这是某一事务的更新被另一事务的…...

特别名词Test Paper7

特别名词Test Paper7 potteries 陶器power 权力;能源powerpoint 投影的文件precaution 预防precision 精密度preference 偏爱preposition 介词prescription 药方presentation 演讲;陈述preservation 保存president 总统;校长(大学…...

2的n次方表格

做项目的时候有时候会担心数据溢出,常用的数据长度就有8位、16位、32位、64位。相信八位都很容易记住就是256,16位是65536,但是数字一大就记不住了,甚至连换算为十进制是多少位都不得而知。 下表中就有1 ~ 64位数据的范围。 0次…...

EVS9329-ES驱动器EVS9329ES可议价

EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES步进电机按结构分类:步进电动机也叫脉冲电机,包括反应式步进电动…...

JSON、yam|fIProperties

JSON、YAML和Properties都是数据序列化和存储的格式,它们各自有独特的特点和适用场景。 1. JSON (JavaScript Object Notation) : 特点:JSON是一种轻量级的数据交换格式,易于人阅读和编写,同时也易于机器解析和生成。它基于ECMA…...

关于投标中的合理均价基准差径靶心法(KIMI回答)

投标中的合理靶心法到底是什么呢?用了KIMI来进行回答:...

好久没写文章

好久没写文章...

卡塔尔.巴林:海外媒体投放-宣发.发稿效果显著提高

引言 卡塔尔和巴林两国积极采取措施,通过海外媒体投放和宣发,将本国的商业新闻和相关信息传达给更广泛的受众。在这一过程中,卡塔尔新闻网、巴林商业新闻和摩纳哥新闻网等媒体起到了关键作用。通过投放新闻稿,这些国际化的媒体平…...

【成品设计】基于STM32的单相瞬时值反馈逆变器

《基于STM32的单相瞬时值反馈逆变器》 整体功能: 图13 软件框图 如图13所示,由于本设计中需要通过定时器中断执行一些程序,故首先对中断进行初始化。中断初始化以后即为对串口进行初始化,总共初始化了两个串口,第一个…...

浏览器实时播放摄像头数据并通过 Yolo 进行图像识别

安装 Ultralytics 之后,可以直接通过本地获取摄像头数据流,并通过 Yolo 模型实时进行识别。大多情况下,安装本地程序成本比较高,需要编译打包等等操作,如果可以直接通过浏览器显示视频,并实时显示识别到的对…...

redis清空list

redis list清空 要清空Redis中的list,您可以使用LTRIM命令。Redis Ltrim 对一个列表进行修剪(trim),就是说,让列表只保留指定区间内的元素,不在指定区间之内的元素都将被删除。 下标 0 表示列表的第一个元素,以 1 表示…...

汽车油耗NEDC与WLTP有什么区别?以及MATLAB/Simulink的汽车行驶工况仿真

最近的热点新闻非比亚迪的秦L莫属,其油耗达到2.9L/100km,但其标注为NEDC也引起了讨论, NEDC与WLTP的区别 NEDC的全称为“New European Driving Cycle”,即“新欧洲驾驶循环”。这种油耗测试标准起源于上世纪80年代,主…...

【Python】已解决报错:AttributeError: module ‘json‘ has no attribute ‘loads‘解决办法

😎 作者介绍:我是程序员洲洲,一个热爱写作的非著名程序员。CSDN全栈优质领域创作者、华为云博客社区云享专家、阿里云博客社区专家博主。 🤓 同时欢迎大家关注其他专栏,我将分享Web前后端开发、人工智能、机器学习、深…...

(5)按钮输入

文章目录 前言 1 基础设置 2 数字逻辑/模拟电压设置 3 PWM输入设置 4 额外设置 前言 连接到自动驾驶仪的最多四个外部按钮或开关可以被配置为触发辅助功能(Auxiliary Functions),类似于 RC 通道开关的触发方式。这些按钮输入可以被配置为使用数字逻辑电平电压…...

嵌入式开发、C++后台开发、C++音视频开发怎么选择?

开始前刚好我有一些资料,是我根据网友给的问题精心整理了一份「嵌入式的资料从专业入门到高级教程」, 点个关注在评论区回复“888”之后私信回复“888”,全部无偿共享给大家!!! 嵌入式开发:非常…...

高考志愿填报,大学读什么专业比较好?

高考分数出炉后,选择什么样的专业,如何去选择专业?于毕业生而言是一个难题。因为,就读的专业前景不好,意味着就业情况不乐观,意味着毕业就是失业。 盲目选择专业的确会让自己就业时受挫,也因此…...

浏览器访问 AWS ECS 上部署的 Docker 容器(监听 80 端口)

✅ 一、ECS 服务配置 Dockerfile 确保监听 80 端口 EXPOSE 80 CMD ["nginx", "-g", "daemon off;"]或 EXPOSE 80 CMD ["python3", "-m", "http.server", "80"]任务定义(Task Definition&…...

web vue 项目 Docker化部署

Web 项目 Docker 化部署详细教程 目录 Web 项目 Docker 化部署概述Dockerfile 详解 构建阶段生产阶段 构建和运行 Docker 镜像 1. Web 项目 Docker 化部署概述 Docker 化部署的主要步骤分为以下几个阶段: 构建阶段(Build Stage)&#xff1a…...

linux之kylin系统nginx的安装

一、nginx的作用 1.可做高性能的web服务器 直接处理静态资源(HTML/CSS/图片等),响应速度远超传统服务器类似apache支持高并发连接 2.反向代理服务器 隐藏后端服务器IP地址,提高安全性 3.负载均衡服务器 支持多种策略分发流量…...

【人工智能】神经网络的优化器optimizer(二):Adagrad自适应学习率优化器

一.自适应梯度算法Adagrad概述 Adagrad(Adaptive Gradient Algorithm)是一种自适应学习率的优化算法,由Duchi等人在2011年提出。其核心思想是针对不同参数自动调整学习率,适合处理稀疏数据和不同参数梯度差异较大的场景。Adagrad通…...

【解密LSTM、GRU如何解决传统RNN梯度消失问题】

解密LSTM与GRU:如何让RNN变得更聪明? 在深度学习的世界里,循环神经网络(RNN)以其卓越的序列数据处理能力广泛应用于自然语言处理、时间序列预测等领域。然而,传统RNN存在的一个严重问题——梯度消失&#…...

数据链路层的主要功能是什么

数据链路层(OSI模型第2层)的核心功能是在相邻网络节点(如交换机、主机)间提供可靠的数据帧传输服务,主要职责包括: 🔑 核心功能详解: 帧封装与解封装 封装: 将网络层下发…...

实现弹窗随键盘上移居中

实现弹窗随键盘上移的核心思路 在Android中&#xff0c;可以通过监听键盘的显示和隐藏事件&#xff0c;动态调整弹窗的位置。关键点在于获取键盘高度&#xff0c;并计算剩余屏幕空间以重新定位弹窗。 // 在Activity或Fragment中设置键盘监听 val rootView findViewById<V…...

【论文阅读28】-CNN-BiLSTM-Attention-(2024)

本文把滑坡位移序列拆开、筛优质因子&#xff0c;再用 CNN-BiLSTM-Attention 来动态预测每个子序列&#xff0c;最后重构出总位移&#xff0c;预测效果超越传统模型。 文章目录 1 引言2 方法2.1 位移时间序列加性模型2.2 变分模态分解 (VMD) 具体步骤2.3.1 样本熵&#xff08;S…...

根据万维钢·精英日课6的内容,使用AI(2025)可以参考以下方法:

根据万维钢精英日课6的内容&#xff0c;使用AI&#xff08;2025&#xff09;可以参考以下方法&#xff1a; 四个洞见 模型已经比人聪明&#xff1a;以ChatGPT o3为代表的AI非常强大&#xff0c;能运用高级理论解释道理、引用最新学术论文&#xff0c;生成对顶尖科学家都有用的…...

【C++从零实现Json-Rpc框架】第六弹 —— 服务端模块划分

一、项目背景回顾 前五弹完成了Json-Rpc协议解析、请求处理、客户端调用等基础模块搭建。 本弹重点聚焦于服务端的模块划分与架构设计&#xff0c;提升代码结构的可维护性与扩展性。 二、服务端模块设计目标 高内聚低耦合&#xff1a;各模块职责清晰&#xff0c;便于独立开发…...