在線的時(shí)間序列異常檢測(cè)算法研究.pdf

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

2、檢測(cè)算法。本文首先回顧了現(xiàn)有的時(shí)間序列異常檢測(cè)方法，然而這些方法絕大部分是對(duì)時(shí)間序列進(jìn)行離線分析，即在檢測(cè)之前要求能完整地讀取整個(gè)時(shí)間序列，有很大的局限性。針對(duì)這一問(wèn)題，本文提出了對(duì)時(shí)間序列進(jìn)行在線異常檢測(cè)的算法框架，并把這一問(wèn)題分為兩個(gè)子步驟：首先找出每一時(shí)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(duì)于第一個(gè)步驟，本文通過(guò)分析每一時(shí)刻的局部異常間的關(guān)系，提出了TOLOD(Time series On-Line Outli