基于时间序列数据流的孤立点自适应异常检测  

Outlier Self-adaptive Detection Based on Time Series Data Streams

作　　者：肖建琼[1] 宋国琴[1] 罗兴贤[1] KIAO Jian-qiong, SONG Guo-qin, LUO Xing-xian （China West Normal University, Nanchong 637002, China）

机构地区：[1]西华师范大学,四川南充637002

出　　处：《电脑知识与技术》2011年第12期8927-8929,共3页Computer Knowledge and Technology

摘　　要：该文针对目前孤立点异常的检测方法只适应于静态环境，对于数据流的动态特性的反应不够及时，提出了一种基于时间序列流数据特点的动态自适应孤立点挖掘方法。该方法在基于密度的局部异常检测算法LOF的基础上，利用多窗口滑动技术分析数据流的局部异常来判断时间序列数据流中的孤立点，通过改进局部异常因子的计算方法，用户能通过设定初始阈值来控制总体的检测率和误报率。实验表明该方法的有效性。This paper puts forward a dynamic adaptive test method over outlier of data stream according to the characteristics of data streams. This method based on density of local anomalies detection algorithm LOF which Use multi-window sliding technical to judge data stream of outlier through analyze local anomalies of data stream, through improving calculation method of local anomalies factor. Users can set the initial threshold to control the overall detection rate and the rate of false positives. Experiment results show that this method is effective.

关 键 词：时间序列数据流 局部异常孤立点 自适应 动态调整 

分 类 号：TP301[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]