在線的時間序列異常檢測算法研究.pdf

1、數(shù)據(jù)挖掘通過從海量的數(shù)據(jù)中發(fā)現(xiàn)隱藏的、潛在有用的信息和知識，為人們提供決策支持，在近年來取得了蓬勃的發(fā)展。由于越來越多的數(shù)據(jù)與時間有著密切的聯(lián)系，時間序列數(shù)據(jù)挖掘作為數(shù)據(jù)挖掘的一個分支，正受到越來越多的關(guān)注。 時間序列的異常檢測是指從時間序列中發(fā)現(xiàn)少量、不頻繁出現(xiàn)的模式。而在線的時間序列異常檢測是指算法能根據(jù)新數(shù)據(jù)的變化，對不斷產(chǎn)生的數(shù)據(jù)進(jìn)行增量式的異常檢測，有很實(shí)用的應(yīng)用價值。 本文提出了一種新的針對時間序列的在線異常

2、檢測算法。本文首先回顧了現(xiàn)有的時間序列異常檢測方法，然而這些方法絕大部分是對時間序列進(jìn)行離線分析，即在檢測之前要求能完整地讀取整個時間序列，有很大的局限性。針對這一問題，本文提出了對時間序列進(jìn)行在線異常檢測的算法框架，并把這一問題分為兩個子步驟：首先找出每一時刻的局部異常，接著從局部異常中選擇用戶可能感興趣的異常。對于第一個步驟，本文通過分析每一時刻的局部異常間的關(guān)系，提出了TOLOD(Time series On-Line Outli