時(shí)間序列的符號(hào)化與異常檢測(cè)研究.pdf

1、傳統(tǒng)數(shù)據(jù)挖掘算法都是針對(duì)沒(méi)有時(shí)序關(guān)系的數(shù)據(jù)的，而近些年，隨著日常生活中越來(lái)越多的有時(shí)序關(guān)系的連續(xù)數(shù)據(jù)如時(shí)間序列數(shù)據(jù)被記錄下來(lái)，面對(duì)日益增多的時(shí)間序列數(shù)據(jù)，為了有效地分析和發(fā)現(xiàn)這些數(shù)據(jù)中的知識(shí)，產(chǎn)生了新的針對(duì)性的方法。時(shí)間序列數(shù)據(jù)是按時(shí)間順序排列的一組數(shù)據(jù)。其廣泛地存在于幾乎各個(gè)領(lǐng)域，如商業(yè)領(lǐng)域、工業(yè)領(lǐng)域、醫(yī)療領(lǐng)域、科學(xué)領(lǐng)域和環(huán)境領(lǐng)域。因此，在時(shí)間序列數(shù)據(jù)上的數(shù)據(jù)挖掘?qū)τ谟行ёR(shí)別事物變化，進(jìn)行科學(xué)決策，檢測(cè)各種異常行為等具有重要的指導(dǎo)意義

2、。
　　本文圍繞時(shí)間序列的符號(hào)化表示與異常子序列檢測(cè)這兩個(gè)主題，討論了時(shí)間序列的模式表示、相似性度量以及時(shí)間序列子序列的異常檢測(cè)等問(wèn)題。
　　本文首先回顧了兩種廣泛使用的時(shí)間序列降維方法：基于滑動(dòng)窗口的SAX符號(hào)化方法和基于分割點(diǎn)的PLR線性分段方法，比較了兩種方法的優(yōu)缺點(diǎn)和使用場(chǎng)景；針對(duì)時(shí)間序列異常檢測(cè)問(wèn)題，論文重點(diǎn)介紹了針對(duì)異常模式的模式異常檢測(cè)算法和針對(duì)異常序列的HOTSAX檢測(cè)算法，包括其思路、原理和流程等，重點(diǎn)指出

3、HOTSAX算法的效率問(wèn)題及其所依賴的符號(hào)化算法的缺陷。
　　針對(duì)SAX算法在時(shí)間序列符號(hào)化表示過(guò)程中的信息損失和分布假設(shè)問(wèn)題，論文提出一種新的基于時(shí)間序列趨勢(shì)信息的符號(hào)化表示方法，該方法首先將時(shí)間序列分段進(jìn)行直線擬合，再將該直線斜率離散化并映射到符號(hào)空間，以完成時(shí)間序列的符號(hào)化表示。為突破傳統(tǒng)算法對(duì)數(shù)據(jù)集的正態(tài)分布假設(shè)，論文提出了兩種新的符號(hào)距離度量方法，該方法基于降維后的時(shí)間序列符號(hào)化表示，可以更準(zhǔn)確的對(duì)其變化趨勢(shì)和相似程度進(jìn)

4、行分析。
　　為改進(jìn)和優(yōu)化HOTSAX在異常子序列分析過(guò)程中的效率，論文提出一種新的融合剪枝策略的異常子序列查找算法，該算法以時(shí)間序列的趨勢(shì)符號(hào)化表示為基礎(chǔ)，首先利用K中心點(diǎn)聚類算法對(duì)相似時(shí)間序列符號(hào)進(jìn)行聚類，并通過(guò)聚類形成的符號(hào)類間的符號(hào)距離分析，減少異常子序列查找過(guò)程中的無(wú)效比較次數(shù)，從而在保證異常檢測(cè)精度的同時(shí)，達(dá)到加速檢測(cè)過(guò)程，提高效率的目的。
　　最后，通過(guò)多個(gè)實(shí)驗(yàn)證明符號(hào)化算法以及異常檢測(cè)算法的改進(jìn)是有效的，并且