基于多粒度周期模式的时序离群点检测算法  

Detect outliers in time series data with multi-granule periodic patterns

作　　者：罗玉盘[1] 商琳[1] 

机构地区：[1]南京大学计算机软件新技术国家重点实验室,江苏南京210093

出　　处：《山东大学学报（工学版）》2009年第3期11-15,共5页Journal of Shandong University（Engineering Science）

基　　金：国家自然科学基金资助项目(60775046)

摘　　要：目前研究时间序列离群点检测方法大都没有考虑到数据本身的周期性,有的只能处理名词性属性.针对实值性属性的时序数据,提出了多粒度周期模式的发现算法,该算法基于不同的时间间隔粒度来探测不同的周期模式,并利用得到的周期模式来发现那些偏离周期模式的离群点.该方法可有效避免将正常数据误报为异常值.通过实验验证了该算法既可正确找出数据在不同粒度下的周期模式,又可有效探测时序数据中的异常值,并与不用周期模式发现的离群点检测算法比较,减少了对特殊事件的离群点误报.Contributions on outlier detection in time series data have seldom taken into account the data cyclical nature and numerical attributes values. An algorithm to find periodic patterns under different granularities was proposed, which could be used to detect outliers in time series data with numerical attributes. This method could avoid a false alarm, and experimental results showed that it could not only correctly identify multi-granule periodic patterns but also effectively detect outliers in data. Compared to outlier detection methods without periodic patterns, the results showed that it could reduce false alarms.

关 键 词：周期性分析 时间序列 粒度 离群点检测 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]