利用跟随周期均值显著化序列异常数据的学习算法

• 作者: 冯富霞 李森贵
• 来源期刊: 安徽工程大学学报
• 学科: 工学
• 关键词: 异常序列检测 工业控制 周期均值 学习算法 最优周期 差值阈值
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 自动化与信息工程
• 页码范围: 26-30
• 页数: 5页
• 分类号: TP301.6
• 字数: 2213字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0977.2019.01.005

摘要

针对工业控制中硬件存储空间、计算性能极为有限,无法应用计算机可运行的异常序列数据检测算法,以及常见可用算法比较复杂的问题,提出了一种利用跟随周期均值显著化序列异常数据的学习算法.首先,对序列数据预处理,利用有异常位置标记的序列集,可以得到最优周期T和周期均值差值阈值Dmax;其次,按照周期T分组检测序列,求出最近两组均值的差值,差值超过阈值时可判断出现异常.算法在学到参数后,判断异常过程所需存储空间和运算量很少,实验结果表明此算法对序列异常数据有显著化分离作用,在实际工程中抗干扰能力好,可有效减少异常点的误判率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯富霞	安徽工程大学计算机与信息学院	9	19	2.0	4.0
2	李森贵		3	2	1.0	1.0