基于时空相关性的多传感器数据异常检测

• 作者: 张建锋 杨会君 柳月强 祝麒翔
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 数据分析 异常检测 K近邻距离差 DBSCAN聚类 时空相关性
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 85-90
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.10.014

摘要

针对环境检测系统中多传感器数据同时具有时间和空间的相关性但在进行异常检测中往往只从单一角度解决的问题,将最近邻检测与聚类检测的思想相结合,提出一种基于时空相关性的异常检测算法(ODSTC).采用动态阈值的K近邻距离差算法(KNND)实现数据集在时间序列上的异常检测;采用参数优化后的DBSCAN聚类算法(PO_DBSCAN)实现多密度的空间聚类异常检测.采用校试验示范站信息服务体系项目数据集进行实验,并与DBSCAN和PO_DBSCAN等算法进行对比实验.结果表明,该算法的检测率可达98.5％,且时间性能也有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨会君		11	9	2.0	2.0
2	张建锋		31	124	7.0	10.0
3	祝麒翔		2	0	0.0	0.0
4	柳月强		1	0	0.0	0.0