基于SBWS_GPR预测模型的不确定性多数据流异常检测方法

• 作者: 朱树才 秦宁宁
• 来源期刊: 计算机应用研究
• 关键词: 不确定性 数据流 高斯过程回归 索引号 滑动窗口
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 381-385
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.02.014

摘要

针对实际系统中采集的数据流的不确定性,给异常点检测与修正带来了现实挑战.因此,根据滑动基本窗口采样算法(sliding basic windows sampling,SBWB)与高斯过程回归(Gaussian process regression,GPR)模型的特性,提出了基于SBWS_GPR预测模型的不确定性多数据流的异常检测方法.在基于时间序列采集的历史数据集中,引入索引号,对历史数据集进行聚类,分析数据集与索引号的映射关系,将实时获得的输入数据流通过滑动窗口匹配,实现对单数据流的异常点检测与修正.再利用输入、输出数据间的相关性,基于GPR建立预测模型,比较实时观察的输出数据流与预测模型的输出数据流,最终从输入、输出两种不同通道实现多数据流的异常检测与修正.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦宁宁	江南大学物联网工程学院	49	159	7.0	10.0
5	朱树才	江南大学物联网工程学院	2	1	1.0	1.0