多变量时间序列异常样本的识别-模式识别与人工智能.pdfVIP

第20 卷摇 第4 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.20摇 No.4 摇 2007年8月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Aug摇 摇 2007 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 多多变量时间序列异常样本的识别* 1,2 1 翁小清 摇 摇 沈钧毅 1(西安交通大学 计算机软件研究所 西安摇 710049) 2(河北经贸大学 计算机中心 石家庄摇 050061) 摘摇 要摇 多变量时间序列(MTS)在金融、多媒体、医学等领域的应用是非常普遍的.与其它多变量时间序列样本显 著不同的样本,我们称之为异常样本.本文提出一种基于局部稀疏系数的多变量时间序列异常样本的识别算法,使 用扩展的Frobenius范数来计算2个MTS样本之间相似性.使用两阶段顺序查询来进行 蛳近邻查找,将不可能成为k 候选异常样本的MTS样本剪去.在2个实际数据集上进行实验,实验结果验证算法的有效性. 关键词摇 多变量时间序列(MTS),局部稀疏系数,扩展的Frobenius 范数,异常样本 中图法分类号摇 TP311 Detection of Outlier Samples in Multivariate Time Series 1,2 1 WENG Xiao蛳Qing ,SHENJun蛳Yi 1(Institute of Computer Software,Xi爷an Jiaotong University,Xi爷an710049) 2(Computer Center,Hebei University of Economics and Trade,Shijiazhuang 050061) ABSTRACT Multivariatetime series (MTS)datasetsare commonly used inthefieldsof finance,multimedia and medicine. MTS samples,namely outlier samples,are significantly differentfromthe other MTS samples. In thispaper,amethodfordetectingoutliersamplesintheMTSdatasetbasedonlocalsparsitycoefficient is proposed. An extended Frobenius norm is used to compare the similarity between two MTS samples, andk 蛳nearest neighbor (k 蛳NN) searches are performed by using two蛳phase sequential scan. MTS samples that are not possible outlier candidates are pruned,which reduces the number of computations and comparisons. Experiments are carried out on two real蛳world da