时间序列多尺度异常检测方法

• 作者: 刘厚泉 赵志凯 陈波
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 时间序列 小波变换 二次回归模型 多尺度 异常模式
• 年，卷（期）: 2018,（20）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 122-127
• 页数: 6页
• 分类号: TP301
• 字数: 6504字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1706-0252

摘要

针对时间序列异常模式检测大多采用线性模式分割方式的局限性,研究了在Haar小波变换多尺度特征的基础上,结合时间序列模式分割技术,提出一种时间序列多尺度异常检测方法.该方法首先通过小波变换压缩时间序列,把时间序列分解在不同的尺度上;再利用二次回归模型将分解后的时间序列分割成可变长度的模式序列,计算模式异常值;最后重构原时间序列,检测原时间序列中的异常模式.实验结果表明,该方法可以有效地检测异常,而且可以从不同分解级数的压缩时间序列中检测多尺度异常模式.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘厚泉	中国矿业大学计算机科学与技术学院	65	512	11.0	20.0
2	赵志凯	中国矿业大学信息与控制工程学院物联网感知矿山研究中心	12	46	5.0	6.0
3	陈波	中国矿业大学计算机科学与技术学院	13	90	5.0	9.0