基于大数据的时间序列异常点检测研究

• 作者: 张守超 杨杨 程艳云
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 异常点检测 时间序列 大数据 特征提取
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 应用开发研究
• 页码范围: 139-144
• 页数: 6页
• 分类号: TN915.07
• 字数: 4994字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.05.030

摘要

针对传统时间序列异常点检测方法在处理大量数据时检测精度与效率低下的缺陷,文中提出一种基于大数据技术的全新时间序列异常点检测方法.首先介绍了传统时间序列异常点检测方法并分析了其缺陷.其次介绍了基于大数据方法的理论推导,包括特征提取、奇异点检测及异常点判别,具体为采用大数据方法将海量序列分解为周期分量、趋势分量、随机误差分量及突发分量四个不同分量,对不同分量进行特征提取并根据特征提取结果进行奇异点检测,并在此基础上利用序列特点判别奇异点是否为异常点.最后通过实验分析对比验证大数据方法的可行性与效率.实验结果表明,基于大数据方法的时间序列异常点检测相比于传统的方法具有更高的检测精度与更快的检测速率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程艳云	南京邮电大学自动化学院	24	161	8.0	12.0
2	张守超	南京邮电大学自动化学院	2	36	2.0	2.0
3	杨杨	南京邮电大学自动化学院	3	39	3.0	3.0