一种不确定连续时间序列的!#$K异常检测算法-计算机应用研究.PDFVIP

第 卷第 期 计 算 机 应 用 研 究 年 月 一种不确定连续时间序列的异常检测算法 孟凡荣 姚彦旭 常玉虎 闫秋艳 中国矿业大学计算机科学与技术学院 江苏徐州 摘 要 针对噪声数据对时间序列异常检测准确性的影响问题提出了一种不确定连续时间序列异常检 测算法 在典型时间序列异常检测方法的基础上对时间序列的异常值进行区间处理构造满足均匀分布的密度 函数结合不确定技术实现含噪连续时间序列在分布未知情况下的异常排序 实验部分采用模 拟数据和真实数据进行算法测试算法较传统方法在异常检测的准确率方面有明显提高虽然在计算时间上有 所增加但提出了相应的优化策略使计算时间在值大于 时有明显改善验证了算法的有效性 关键词 连续时间序列 异常检测 不确定数据 排序 中图分类号 文献标志码 文章编号 示针对模拟数据集进行 的异常检测异常位置如 引言 图所示向数据集中添加方差为 的高斯白噪声 目前针对时间序列的异常还没有一个公认的定义人们普 后 的异常检测位置如图 所示 对比后可知第 和第 异常的位置在加入噪声后发生了交换 产生这种现象 遍采用的是给出的解释 异常是在数据集中偏离大 部分数据的数据使人怀疑这些数据是由不同的机制产生而 的原因是第 和第 异常的变化幅度较为相似且和加入的 非随机偏差 从 世纪 年代起异常检测问题在统计学领 噪声数据的变化幅度也接近因此真实的异常被淹没在噪声数 域里得到了广泛研究随着其应用领域的不断扩展以及其他 据中 类似的情况还会发生在智能交通系统中实时的路况监 领域方法和技术的融合研究人员提出了许多不同的检测方 测数据由于受到监测设备自身硬件条件的限制和外界环境的 干扰监测数据中存在大量的噪声这些噪声数据的存在同样 法但大部分都是针对于异常点或对象进行的检测 会影响交通拥堵异常时段的正确判断 等人 最早提出时间序列异常 的概 念指出时间序列的异常 应该具有两个重要的性质 直接应用传统 检测方法对含噪声数据的时间序列 异常位置与滑动窗口的大小无关 低维的异常扩展至高 进行检测时存在以下问题 维不一定成立 在上述两个性质基础上基于点的异常检测方 传统 检测方法 只能处理 法都无法满足时间序列异常检测的要求因为 针对的 精确数据直接运用于含噪时间序列数据时异常位置会存在 对象是序列非异常点构成的序列也有可能是 为了 偏差 区分下文如不加说明异常均指时间序列中的 对象 基于的 检测方法 基于技术对 同时发现当时间序列受到噪声数据的干扰时由于数据在真 数值序列进行符号离散化进而改善传统方法执行效率低下的 实值附近波动噪声方差越大对真实数据的影响程度越大