基于特征向量的两阶段异常检测方法研究

论文摘要

针对水文行业对数据异常模式检测的实时性要求,提出一种基于特征向量的两阶段异常检测方法。先提取时间序列特征形成符号化的特征向量,再使用改进的K-means方法进行聚类,最后用改进的INN对聚类结果进行评估并将聚类后得到的类簇设成相应特征模型。实验表明,该方法实现了对字符串序列的高效准确的聚类,有效检测出异常模式。

论文目录

• 0 引言
• 1 时间序列异常模式检测
•   1.1 时间序列模式
•   1.2 时间序列异常模式
• 2 基于特征向量的两阶段异常检测方法
•   2.1 分段聚集近似
•   2.2 增强序列段表示
•   2.3 基于特征向量的K-means聚类算法
•   2.4 异常模式检测
• 3 实验分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 张日新,朱跃龙,万定生,毛燠锋

关键词: 异常检测,特征聚类,水文时间序列,符号化

来源: 信息技术 2019年11期

年度: 2019

分类: 信息科技,基础科学

专业: 地球物理学,计算机软件及计算机应用

单位: 河海大学计算机与信息学院,南瑞继保电气有限公司

基金: 国家重点研发计划(2018YFC1508100,2018YFC0407900)

分类号: P332;TP311.13

DOI: 10.13274/j.cnki.hdzj.2019.11.015

页码: 67-71+77

总页数: 6

文件大小: 533K

下载量: 115