基于距离和DF-RLS的时间序列异常检测  

Outlier Detection for Time Series Based on Distance and DF-RLS

作　　者：陈乾[1,2] 胡谷雨[2] 路威[1] 

机构地区：[1]解放军理工大学通信工程学院,南京210007 [2]解放军理工大学指挥自动化学院,南京210007

出　　处：《计算机工程》2012年第12期32-35,共4页Computer Engineering

基　　金：国家自然科学基金资助项目(61001106);国家"973"计划基金资助项目(2009CB320400)

摘　　要：为能同时检测时间序列中的附加异常和革新异常,改进自回归模型,提出距离因子递推最小二乘(DF-RLS)线性预测算法。在此基础上,给出一种基于距离和DF-RLS的联合异常检测方法——DDR-OD。实验结果表明,与当前其他时间序列异常检测方法相比,DDR-OD的检测效果较优。In order to detect both Additive Outliers（AO） and Innovation Outliers（IO） in time series,this paper improves the linear prediction of time series,proposes a Distance Factor Recursive Least Square（DF-RLS） algorithm.It combines DF-RLS with distance-based outlier detection method,proposes a time series outlier detection method based on distance and DF-RLS,named DDR-OD.Experimental results show that the DDR-OD is an effective method for time series outlier detection.

关 键 词：时间序列 异常检测 递推最小二乘 距离因子 附加异常 革新异常 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]