| 一种新的多变量时间序列数据异常检测方法 |
| |
| 引用本文： | 李权,周兴社.一种新的多变量时间序列数据异常检测方法[J].时间频率学报,2011,34(2). |
| |
| 作者姓名： | 李权 周兴社 |
| |
| 作者单位： | 西北工业大学计算机学院,西安,710072 |
| |
| 摘 要： | 介绍了一种通过建立多变量时间序列数据相似度矩阵，对相似度矩阵进行转换以最大化数据之间的相关性，并采用随机游走模型计算数据点之间的连接系数来检测数据点上异常的方法。该方法充分利用了数据之间的相关性，有效减少了数据中不同程度噪声对异常检测的影响，检测过程中的漏报率和误报率明显减少，通过仿真实验验证了该方法的有效性。
|
| 关 键 词： | 时间序列数据 异常检测 相似性分析 |
A new method of detecting anomalies in multivariate time series |
| |
| Abstract: | A new method of detecting anomalies in MTS （multivariate time series） is introduced, in which a similarity matrix for MTS is set up and the similarity matrix is transformed to maximize the correlation between the data points and then the anomalous data points are detected by comparing the predefined threshold with the connectivity coefficient calculated through the random walk model. This detection method makes full use of the correlation between the data points and effectively reduces the influence of the noise. The omission rate and false alarms decrease obviously, and the simulation has tested and verified the validity of this method. |
| |
| Keywords: | MTS（multivariate time series） anomalies detection similarity analysis |
| 本文献已被 万方数据 等数据库收录！ |
|
