科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统滑动窗口异常检测(anomaly detection for sliding windows)中的子序列特征不能准确反映数据结构特征的问题,采用子序列斜率置信区间的方式进行解决,并提出了基于滑动窗口的时间序列异常检测方法。通过滑动窗口法将时间序列进行初始分割,提取子序列斜率的置信区间距离半径用于异常子序列的识别,并最终通过Gath-Geva聚类算法完成异常值与正常值的划分。仿真数据集检测结果表明,与以方差信息和传统斜率信息的特征提取方式相比,提出方法的查全率分别提升6.9%和46.3%。工程数据的检测实验结果表明,提出的算法能够准确识别异常数据信息,查全率和查重率都达到84%以上,验证了提出方法的工程可用性。
- 单位
