问：找人翻译论文摘要(什么机器翻译、在线谷歌、有道什么的都略过吧，这是学术性的东西，要求有点高，机器翻译)
- 答：用有道一句一句翻译即可。
问：请专业人士翻译论文摘要，超高分相送！
- 答：Google翻译.
谢谢.
问：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
- 答：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。 - 答：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。 - 答：人工翻译，请放心采纳。
在动态时间规整下搜索和挖掘数以兆计的时间序列子序列
摘要：大多数时间序列数据挖掘算法都采用相似性搜索作为核心子程序，因此相似性搜索所花的时间对几乎所时间序列数据挖掘算法来说都是瓶颈。将搜索扩展到大型数据集的难度很大程度上解释了为什么对时间序列数据挖掘的大多数学术研究一直停留在考虑的几百万个时间序列对象的平台上，而很多产业和科学却有数以十亿计的时间序列对象等待着进行探索的原因。在本文中，我们表明了，通过使用四种新想法的结合，我们可以首次搜索和挖掘真正大量的时间序列。我们证明了以下极为直观的事实，在大型数据集中，我们可以准确地在DTW（动态时间规整）下，比目前最先进的Euclidean距离搜索算法快得多的进行搜索。我们演示了我们对迄今试图进行的最大时间序列集的试验所做的研究工作。具体而言，我们考虑的最大的数据集比在所有迄今出版过的所有数据挖掘论文中加以考虑的所有时间序列数据集的总和规模还要大。我们证明了，我们的想法使我们能够解决高层次的时间序列数据挖掘问题，比如在否则将站不住脚的规模上进行主体发现和集群。除了挖掘大量数据集，我们将证明，我们的想法也有实时监控数据流的含义，从而使我们能够处理快得多的到达速率和/或使用比目前可能的更便宜，更省电的设备。
