基于距离及密度的时间序列异常检测方法研究.pdfVIP

Computer Engineering and Applications 计算机工程与应用 2012 ，48 （20 ） 11 基于距离和密度的时间序列异常检测方法研究 孙梅玉 SUN Meiyu 山东省工会管理干部学院，济南 250100 Shandong Trade Union University, Jinan 250100, China SUN Meiyu. Research on discords detect on time series based on distance and density. Computer Engineering and Applications, 2012, 48 （20 ）：11-17. Abstract ：It proposes the definition of the discords detect of time series based on the representation of the GMBR （Grid Minimum Bounding Rectangle ）and it is the first time to combine the distance measure method with density. It uses the “detect eigenvalue”to weigh the detect degree of the time series. Based on the proposed definition of the discords detect, it gives the new discords detect algorithm named GMBR-DD（Grid Minimum Bounding Rectangle- Discords Detect ）. This algorithm can find the discords time series with high-effect. It validates the definition and the proposed algorithm through three groups of the data. The experimental results show that the algorithm can catch the discords time series and the definition is reasonable. So the production provides a very effect flat roof and a pow- erful tool in data mining of time series. Key words ：time series; data mining; discords detect; distance; density; symbolic representation 摘 要：在时间序列的GMBR 表示的基础上，首次提出将基于距离和基于密度的时间序列检测方法结合，给出 了时间序列模式异常的定义，并用“异常特征值”来衡量时间序列模式的异常程度。根据所提出的模式异常的 定义，在强力有哪些信誉好的足球投注网站算法的基础之上提出了新的时间序列异常检测算法GMBR-DD （Grid Minimum Bounding Rectangle-Discords Detect ），该算法将基于距离和基于密度的异常检测方法结合，能够高效地发现时间序列中 的异常模式。通过三组实验数据，对提出的异常时间序列定义和时间序列的异常检测算法进行了验证，实验 结果表明所提出的时间序列异常检测算法能够有效地发现时间序列的异常变动，为决策提供了很好的平台和 有力的工具。 关键词：时间序列；数据挖掘；异常检测；距离；密度；符号化表示 文章编号：1002-8331（2012 ）20-0011-07 文献标识码：A 中图分类号：TP301 近几年，时间序列的异常研究渐渐兴起，成为时 能带给更有价值和启发意义的知识往往是稀有模式 间序列数据挖掘的一个新热点。对于随机非平稳时 或者异常模式。例如，各种防盗报警器就是在检测 间序列的异常检测，目前还未有研究。对于异常检 到周围异常的声响后发出警报的。 测的研究，并不关心单个序列点的异常，而是关心时