基于改进ADPP的多变量时间序列异常检测OA北大核心CSTPCD
Outlier detection based on improved ADPP for multivariate time series
针对多变量时间序列异常检测问题进行研究,提出基于改进ADPP的多变量时间序列异常检测算法IADPP.IADPP算法引入适用于多变量时间序列的张量相似性度量SSOTPCA,并以此相似性度量构造序列集的k-近邻图,在构造的k-近邻图上计算多变量时间序列的异常系数.研究结果表明,IADPP算法克服了原有ADPP算法不支持多变量时间序列和要求密度均匀的缺陷,取得了较好的检测结果.
董红玉;陈晓云
福州大学数学与计算机科学学院,福建福州350116福州大学数学与计算机科学学院,福建福州350116
信息技术与安全科学
多变量时间序列异常检测张量相似性度量k-近邻图
multivariate time seriesoutlier detectiontensor similarity measurek-neighbor graph
《福州大学学报（自然科学版）》 2016 (2)
164-169,6
福建省新世纪优秀人才资助项目(XSJRC2007-11)
评论