基于特征挖掘的时间序列异常检测算法

叶展博

doi:10.13992/j.cnki.tetas.2024.02.010

Chinese

您当前的位置：

首页 >

文章列表页 >

基于特征挖掘的时间序列异常检测算法

运营与维护 | 更新时间：2026-04-21

- 基于特征挖掘的时间序列异常检测算法
- 基于特征挖掘的时间序列异常检测算法
- 电信工程技术与标准化 2024年37卷第2期页码：36-41+71
- 作者机构：
  
  中移信息技术有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2024.02.010
  中图分类号： TP311.13
- 纸质出版：2024
- 稿件说明：
移动端阅览
叶展博. 基于特征挖掘的时间序列异常检测算法[J]. 电信工程技术与标准化, 2024,37(2):36-41+71.

叶展博. 基于特征挖掘的时间序列异常检测算法[J]. 2024, 37(2): 36-41+71.
叶展博. 基于特征挖掘的时间序列异常检测算法[J]. 电信工程技术与标准化, 2024,37(2):36-41+71. DOI： 10.13992/j.cnki.tetas.2024.02.010.

叶展博. 基于特征挖掘的时间序列异常检测算法[J]. 2024, 37(2): 36-41+71. DOI： 10.13992/j.cnki.tetas.2024.02.010.

摘要

为了有效地挖掘监控指标时间序列的周期性特征和节假日效应，本文提出了一种基于特征挖掘的时间序列异常检测集成算法。通过FFT算法检测序列的周期性特征，以及MODWT算法识别非周期序列的局部波动特征，以天为单位计算不同子序列的CSBD值，作为OPTICS聚类算法的距离半径，进而识别序列的节假日特征，并基于Holt-Winters算法所得的预测误差，构建余弦加形变量波动指标，以降低序列的时间、形状和量级等其余特征对异常点检测的影响。经过实际业务的应用验证，本文算法相对传统的算法准确率得到显著提升，且可以保持良好的稳健性。

Abstract

关键词

Keywords

references

基于机器学习的动态基线性能时序数据异常检测研究与应用[J]. 马玉超.中国金融电脑,2020(06)

聚类算法综述[J]. 章永来;周耀鉴.计算机应用,2019(07)

基于邻域离散度的异常点检测算法[J]. 沈琰辉;刘华文;徐晓丹;赵建民;陈中育.计算机科学与探索,2016(12)

基于大数据分析的输变电设备状态数据异常检测方法[J]. 严英杰;盛戈皞;陈玉峰;江秀臣;郭志红;杜修明.中国电机工程学报,2015(01)

非均匀DFT频谱泄漏抑制方法研究[J]. 刘保童.西北师范大学学报(自然科学版),2010(02)

Automatic and Generic Periodicity Adaptation for KPI Anomaly Detection.[J]. Nengwen Zhao;Jing Zhu;Yao Wang;Minghua Ma;Wenchi Zhang;Dapeng Liu;Ming Zhang;Dan Pei.IEEE Trans. Network and Service Management,2019

Optimal Detection of Changepoints With a Linear Computational Cost[J]. .Journal of the American Statistical Association,2012

基于统计学方法的互联网企业运营指标异常值监控及预警模型[D]. 罗荣锦.华东师范大学,2017(01)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于知识图谱的电费智能稽核方法

基于运维孪生的异常检测研究

基于自适应网络拓扑和日志聚类的故障定界方法研究

基于日志数据的窗口化异常检测方法

基于设备日志的异构网络问题发现及预警方法