基于区间集的时间序列表示方法及异常检测技术研究

发布时间：2021-02-12 18:01

　　人工智能和信息网络时代的到来带来了大量数据的积累,合理分析和应用数据对人类生活的重要性也愈发明显。时间序列数据作为一种具有时间属性的数据形式,在各类数据中具有很强的代表性。然而,关于时间序列的异常检测研究,由于时间序列数据非线性、高维数以及包含时间属性等重要特征,一直以来都是一个具有挑战性的热点研究课题。在关于时间序列的异常检测研究中,大多数学者主要关注的是异常检测算法的设计与优化,对时间序列数据表示研究的相关文献较少。一种有效的时间序列数据表示模型可以在原数据的基础上进行合理降维,提取数据特征,提升数据的抗噪能力,增加检测方法的准确性和鲁棒性。粒计算通过构造和处理能够表示复杂问题的信息颗粒,在时间序列数据的挖掘分析领域有着不可忽视的地位。本文旨在通过结合已有的数据表示方法的研究成果和粒计算在时间序列表示方面的相关应用,以区间信息粒作为信息颗粒的一种表现形式,设计一种基于区间集的时间序列表示方法并搭建相应的异常检测框架,实现对时间序列数据异常检测。在有关信息颗粒研究成果的基础上,本文提出了一种基于区间集的时间序列分段近似表示方法ISPA（Interval Sets Piecewise ... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

PAA和APCA表示方法

图1.2 PLR 表示方法对而言，分段线性表示法更加直观简洁且灵活度较高，在时间序列数据常见。PLR 中常用的分割策略有：自上而下分割、自下而上分割和滑动窗自上而下分割法在图像处理以及机器学习等领域的应用最为广泛，其缺

图1.4粒计算基本框架

【参考文献】：
期刊论文
[1]基于距离和密度的时间序列异常检测方法研究[J]. 孙梅玉.  计算机工程与应用. 2012(20)
[2]基于时间序列模式表示的异常检测算法[J]. 詹艳艳,陈晓云,徐荣聪.  计算机应用研究. 2007(11)
[3]区间值模糊控制[J]. 曾文艺,王加银,罗忆桐.  北京师范大学学报(自然科学版). 2007(05)
[4]多尺度时间序列异常事件检测[J]. 郑诚,舒坚.  计算机工程与应用. 2006(31)

博士论文
[1]基于粒计算的时间序列分析与建模方法研究[D]. 卢伟.大连理工大学 2015
[2]基于智能计算技术的时间序列分割及预测研究[D]. 王妮妮.大连理工大学 2013
[3]时间序列的相似性查询与异常检测[D]. 肖辉.复旦大学 2005

硕士论文
[1]基于实时数据的动态异常检测方法研究[D]. 常飞.天津理工大学 2013
[2]基于抽样矩阵的汽车客户分群及离群点分析[D]. 王海燕.大连海事大学 2012
[3]奇异值分解在时间序列分析中的应用[D]. 李慧.北京交通大学 2009



本文编号：3031247