基于數(shù)據(jù)流的時(shí)間序列異常數(shù)據(jù)挖掘的研究.pdf

1、基于數(shù)據(jù)流的時(shí)間序列異常數(shù)據(jù)挖掘可以用于交通領(lǐng)域的道路推薦、供水領(lǐng)域的管網(wǎng)監(jiān)測以及證券、醫(yī)療、環(huán)保、電力等行業(yè)的檢測和預(yù)報(bào)工作。這些領(lǐng)域產(chǎn)生的數(shù)據(jù)有著明顯的時(shí)間序列的特征，同時(shí)還具有數(shù)據(jù)量大、結(jié)構(gòu)復(fù)雜、實(shí)時(shí)性要求高等特點(diǎn)。如果僅使用傳統(tǒng)的理論和方法分析這些數(shù)據(jù)，往往因?yàn)橛?jì)算能力、存儲能力以及算法的不足而顯得無能為力。數(shù)據(jù)流挖掘理論和技術(shù)的引入為解決上述問題提供了新的思路，越來越成為國內(nèi)外研究者所關(guān)注的熱點(diǎn)。 目前，時(shí)間序列的數(shù)據(jù)

2、挖掘主要包括相似性查詢、分類、聚類和異常檢測等。論文圍繞數(shù)據(jù)流環(huán)境下時(shí)間序列異常數(shù)據(jù)挖掘這一主題，以時(shí)間序列的模式表示為基礎(chǔ)，討論了時(shí)間序列數(shù)據(jù)預(yù)處理和壓縮存儲，提出了一種基于數(shù)據(jù)流的時(shí)間序列異常檢測算法，并根據(jù)現(xiàn)實(shí)生活中多維數(shù)據(jù)流的需要和對歷史數(shù)據(jù)的分析，將原算法進(jìn)行了改進(jìn)，最終確定了改進(jìn)的基于數(shù)據(jù)流的時(shí)間序列異常檢測算法。主要的研究內(nèi)容和成果包括： 1.時(shí)間序列的模式表示論文將解析幾何中的線段概念和現(xiàn)實(shí)生活中的基本時(shí)間窗口引

3、入到時(shí)間序列的研究中來，提取線段的斜率作為確定時(shí)間序列分段線性表示的分段點(diǎn)選取的依據(jù)，提出了一種基于基本窗口和斜率的分段線性表示方法(簡稱為PLRBWS表示)。時(shí)間序列的PLRBWS表示方法簡單直觀，對于具有明顯周期特征和短期模式波動頻繁等特點(diǎn)的時(shí)間序列具有很強(qiáng)的數(shù)據(jù)壓縮能力，從而能較好地保持時(shí)間序列總體模式的變化特征。 2.時(shí)間序列的異常檢測在時(shí)間序列的模式表示基礎(chǔ)上，論文提出了基于滑動窗口的時(shí)間序列窗口異常的定義，同時(shí)給出了