基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
时间序列挖掘中不同的数据集中的异常模式的长度未必相同.提出的算法使用异常因子作为模式的异常度量,利用模式的k-距离和中位数来计算异常因子,使用二次回归算法来探测时间序列中的所有模式和其长度范围,在这个范围内使用变长方法来判断一个模式是否异常,然后合并相邻的异常模式.为了验证算法的有效性和健壮性,使用人工合成数据和标准数据集对算法进行了测试,得到了较为满意的效果.
推荐文章
基于异常因子的时间序列异常模式检测
时间序列
分段线性表示
异常模式
异常因子
子序列
特征空间
基于改进的局部异常因子检测的优化聚类算法
聚类
Kmeans
加权欧式距离
LOF算法
优化
时间序列异常模式的k-均距异常因子检测
时间序列
异常模式
k-均距异常因子
边缘权重因子
基于时间序列模式表示的异常检测算法
斜率
时间序列
模式表示
支持数
异常值
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于异常因子的异常模式探测算法
来源期刊 计算机工程与设计 学科 工学
关键词 数据挖掘 时间序列 异常模式 异常因子 探测算法
年,卷(期) 2009,(16) 所属期刊栏目 软件与算法
研究方向 页码范围 3820-3822
页数 3页 分类号 TP391
字数 3882字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (3)
同被引文献  (6)
二级引证文献  (0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
时间序列
异常模式
异常因子
探测算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导