一种基于多阈值模板的快速分类在线检测方法OA

传统离线数据分析方法对于处理即时性高和流量大的数据存在缺陷,而在线检测模型可以满足数据流分析的实时性要求。文中提出了一种基于多阈值模板的在线检测方法。该方法结合多路搜索树突变点检测(Ternary Search Tree and Kolmogorov-Smirnov,TSTKS)算法进行在线检测,基于突变点密度更新窗口长度从而提高了突变点检测精度。采用等量分级策略实现对时序数据的自学习、匹配和分类,进而对大规模病变数据进行状态检测和预测。仿真实验和病变数据的实验结果表明,所提方法具有效果高、分类准确等优点,为大规模时序数据进行快速分类研究提供了新方法。