目前研究时间序列离群点检测方法大都没有考虑到数据本身的周期性,有的只能处理名词性属性.针对实值性属性的时序数据,提出了多粒度周期模式的发现算法,该算法基于不同的时间间隔粒度来探测不同的周期模式,并利用得到的周期模式来发现那些偏离周期模式的离群点.该方法可有效避免将正常数据误报为异常值.通过实验验证了该算法既可正确找出数据在不同粒度下的周期模式,又可有效探测时序数据中的异常值,并与不用周期模式发现的离群点检测算法比较,减少了对特殊事件的离群点误报.
科研之友
微信
新浪微博
Facebook
分享链接
