AnomalyDetect:一种基于欧式距离的在线异常检测算法

论文摘要

异常检测是数据挖掘中的一项关键技术,在计算机和互联网领域有广泛的应用,包括网络安全、图像识别、智能运维等,特别是智能运维,近几年取得了长足的发展.已有的异常检测算法会有低准确度、离线、无法自动更新等问题.为此对智能运维背景下的真实异常检测问题进行研究,构建高准确度、在线、通用异常检测算法,并据此在已有时间序列异常检测算法的基础上,提出了一种新的基于欧式距离的在线异常检测算法.通过实际的运维时序数据实验,发现该算法可以实时快速准确地检测流式时间序列数据中的异常数据,验证了该算法的有效性.

论文目录

• 0 引言
• 1 问题描述与相关工作
•   1.1 定义与描述
•   1.2 异常检测相关工作
• 2 基于距离的在线异常检测算法
•   2.1 主要思想
•   2.2 滑动窗口中的异常性度量
•   2.3 阈值选择机制
•   2.4 完整算法
• 3 实验结果与分析
•   3.1 数据准备
•   3.2 评价准则
•   3.3 实验结果与分析
• 4 结论

文章来源

类型: 期刊论文

作者: 霍文君,王伟,李文

关键词: 异常检测,时间序列,在线算法,欧式距离,智能运维

来源: 中国科学技术大学学报 2019年07期

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 同济大学电子与信息工程学院,华东师范大学数据科学与工程学院

基金: 国家自然科学基金(61672384),同济大学中央高校基本科研业务费专项资金(0800219373)资助

分类号: O211.61;TP311.13

页码: 555-563+571

总页数: 10

文件大小: 1486K

下载量: 100