翻译一篇英语论文的摘要 不要机器翻译 英语专业的来帮帮忙啊

　　搜索和挖掘数以万亿计的时间序列
　　子序列在动态时间扭曲
　　文摘
　　大多数时间序列数据挖掘算法利用相似性搜索
　　核心子程序,因此相似性搜索所花费的时间
　　瓶颈的几乎所有时间序列数据挖掘算法。的
　　难以扩展搜索大型数据集很大程度上解释了为什么
　　大多数学术工作时间序列数据挖掘已经停滞不前
　　考虑几个数以百万计的时间序列对象,而大部分
　　工业和科学坐在数十亿时间序列对象等
　　探索。在这项工作中,我们表明,通过使用一个组合
　　四个小说的想法我们可以搜索和我真正的大量时间
　　第一次系列。我们将演示以下极
　　直观的事实,在大型数据集,我们可以搜索下
　　比当前最先进的DTW要快得多
　　欧几里得距离搜索算法。我们展示我们的工作
　　史上最大的一组时间序列的实验。在
　　特别地,我们认为大于最大的数据集
　　结合所有的时间序列数据集的大小考虑在所有数据
　　挖掘论文发表。我们表明,我们的想法让我们
　　解决高层次的时间序列数据挖掘主题等问题
　　发现和聚类在尺度,否则
　　站不住脚的。除了采矿大规模数据集,我们将展示
　　我们的思想也有影响的实时监控
　　数据流,使我们能够处理更快的到达率
　　和/或使用更便宜,比目前更低的设备
　　可能的。

搜索和时间序列挖掘万亿
子序列下的动态时间规整
摘要
大多数的时间序列数据挖掘算法使用的相似性搜索是一个
核心子程序，从而为相似性搜索的时间是
几乎所有的时间序列数据挖掘算法的瓶颈。的
缩放搜索到大型数据集的困难在很大程度上解释了为什么
时间序列数据挖掘已趋于稳定，大多数学术工作
考虑到数以百万计的时间序列对象，虽然
工业与科学坐在数十亿的时间序列对象的等待
为探讨。在这项工作中，我们表明，通过使用一个组合
四种观点我们可以搜索我的真正大规模的时间
对于第一个时间序列。我们证明以下极
非直观的事实；在大型数据集，我们可以准确地搜索下
DTW的速度远远超过目前的国家的最先进的
欧氏距离搜索算法。我们证明我们的工作
时间序列实验曾试图最大的集。在
特别是，我们考虑的是最大的数据集大于
所有的时间序列数据的所有数据考虑组合大小
论文发表过挖掘。我们证明了我们的思想，让我们
解决更高级别的时间序列数据挖掘问题，如主题
发现和尺度，否则将聚类
站不住脚的。除了挖掘海量数据集，我们将展示
我们的思想也为实时监测的影响
数据流，使我们能够处理更快的到达率
和/或使用比目前的价格和较低的动力装置
可能的。