收藏本站
《山东大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

时间序列流数据异常检测问题的研究

张琪  
【摘要】:时间序列流数据(Streaming Time Series)其特性不仅与时间有关,而且海量、高维和实时更新的特性使得该数据挖掘问题难度加大。而时间序列流数据又往往与日常生活息息相关。所以时间序列流数据的异常检测问题已成为当前数据分析与挖掘的热点问题。为此本位针对时间序列流数据异常检测开展了研究,其主要工作内容如下:(1)本文提出了基于边缘计算的分布式时间序列异常检测模型。利用边缘计算的大数据处理思想,尽可能的将相应的数据在接近数据源的计算资源上进行相应的处理,在减轻网络传输带宽压力的同时,提高了数据处理的整体效率。在分布式数据异常检测模型的基础上,本文提出了基于时间序列的异常检测算法(Anomaly Detection for Streaming Time Series,ADSTS)。本算法将根据时间序列数据的离群距离测算以及时间序列之间的相关性对时间序列中的异常时序点进行检测。实验结果显示本算法性能良好,检测时间短并且异常检出率高。(2)本文提出了基于改进的符号化特征表示方法FD-SAX的时间序列异常检测方法(Time Series Anomaly Detection Based on FD-SAX,TSAD-FD)。TSAD-FD在时间序列特征表示的基础上,构建增强查找树对时间序列中的异常序列进行有效识别。实验结果显示本算法在保持检测精度的基础上,相应搜索剪枝率以及整体的异常检测效率均优于同类的对比方法。(3)本文提出了基于分段聚合(PAA)特征表示以及高维时间序列流数据索引结构(High-Dimensional indexing for Time Series,HDITS)的K近邻连接异常检测算法。PAA特征表示可以帮助HDITS避免出现因为“维度灾难”而造成的检索性能急剧降低的问题,而HDITS可以迅速对不相似的序列进行有效地剪枝操作,从而加速异常检测的搜索效率。实验结果表明本算法在保证搜索精度的同时,能够对某个具体时刻或者某个时间范围内的异常序列进行高效检测,即能够保证被检出的异常模式序列具有一定的“时效性”。
【学位授予单位】:山东大学
【学位级别】:博士
【学位授予年份】:2019
【分类号】:TP311.13;O211.61

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 孙其法;闫秋艳;闫欣鸣;;基于多样化top-k shapelets转换的时间序列分类方法[J];计算机应用;2017年02期
2 王金策;杨宁;;时间序列趋势预测[J];现代计算机(专业版);2017年02期
3 彭佳星;肖基毅;;基于分型转折点的证券时间序列分段表示法[J];商;2016年31期
4 刘伟龙;;基于ARMA模型的股价预测及实证研究[J];智富时代;2017年02期
5 周仰;;《漫长的告别》(年度资助摄影图书)[J];中国摄影;2017年04期
6 王嵬;;王嵬作品[J];当代油画;2017年07期
7 刘明华;张晋昕;;时间序列的异常点诊断方法[J];中国卫生统计;2011年04期
8 郭崇慧;苏木亚;;基于独立成分分析的时间序列谱聚类方法[J];系统工程理论与实践;2011年10期
9 王佳林;王斌;杨晓春;;面向不确定时间序列的分类方法[J];计算机研究与发展;2011年S3期
10 万里;廖建新;朱晓民;倪萍;;一种基于频繁模式的时间序列分类框架[J];电子与信息学报;2010年02期
中国重要会议论文全文数据库 前10条
1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年
2 张可;李媛;柴毅;黄磊;;基于分段趋势的符号化时间序列聚类表示[A];第37届中国控制会议论文集(D)[C];2018年
3 徐光晶;;统计学在大地电磁测深时间序列处理中的应用[A];2017中国地球科学联合学术年会论文集(二十九)——专题57:电磁地球物理学研究及其应用[C];2017年
4 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年
5 吴丽娜;黄领梅;沈冰;吕继强;;黄河上游降水时间序列混沌特性识别与预测年限分析[A];水系统与水资源可持续管理——第七届中国水论坛论文集[C];2009年
6 吴坚忠;路子愚;郑应平;;时间序列社会悖论模型及分析[A];1989年控制理论及其应用年会论文集(上)[C];1989年
7 雷敏;孟光;谢洪波;Kerreie Mengersen;Peter Bartlett;;嵌入维数对复杂时间序列的熵分析的影响研究[A];中国力学大会-2015论文摘要集[C];2015年
8 王兆甲;王海良;;一种相似时间序列挖掘算法及其在汽车运动分析中的应用[A];2014中国汽车工程学会年会论文集[C];2014年
9 林忠辉;莫兴国;薛玲;;用NDVI时间序列确定作物物侯和作物类型判别[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
10 王冬;章家义;陈宗;;配电网时间序列数据的云计算集群快速压缩模型[A];2017年江西省电机工程学会年会论文集[C];2018年
中国重要报纸全文数据库 前10条
1 王晓宝 杨永恒 永安期货;浅析波动率的均值回复特征[N];期货日报;2017年
2 东证期货 王爱华 杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年
3 国家统计局核算司 吕峰;不变价GDP时间序列数据的构造[N];中国信息报;2016年
4 ;《时间序列与金融数据分析》[N];中国信息报;2004年
5 何德旭 王朝阳;时间序列计量经济学:协整与有条件的异方差自回归[N];中国社会科学院院报;2003年
6 刘俏;让数据坦白真相[N];21世纪经济报道;2003年
7 卞纪;我国多时间序列湿地遥感制图完成[N];中国气象报;2011年
8 权证一级交易商 国信证券;正股走势及时间序列主导下半年权证市场运行结构[N];证券时报;2006年
9 广发期货股指研究小组 谢贞联;Hurst指数提示市场升势或将形成[N];上海证券报;2012年
10 丁睿 中粮期货研究院;试论指数HP滤波分析法的应用[N];期货日报;2014年
中国博士学位论文全文数据库 前10条
1 张方;局部相似分析的统计研究及其在生物时间序列中的应用[D];山东大学;2019年
2 张琪;时间序列流数据异常检测问题的研究[D];山东大学;2019年
3 康峻;基于时间序列遥感数据的植被精细分类与覆盖度反演研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
4 林蕾;基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
5 丁红;柳江径流分析与预测研究[D];武汉理工大学;2016年
6 马俊;GPS坐标时间序列严密三维噪声模型建立方法[D];武汉大学;2018年
7 周超;集成时间序列InSAR技术的滑坡早期识别与预测研究[D];中国地质大学;2018年
8 丁超;MODIS时间序列重建方法与应用[D];中国地质大学(北京);2018年
9 魏永强;煤矿瓦斯监测数据插值与预测研究[D];中国矿业大学(北京);2015年
10 杨玉军;基于机器学习的时间序列模型研究及其应用[D];电子科技大学;2018年
中国硕士学位论文全文数据库 前10条
1 李净;医保大数据资金预测模型的研究与实现[D];山东大学;2019年
2 赵超;融合选择性提取与子类聚类的快速时间序列shapelet发现算法[D];山东大学;2019年
3 丁一明;时间序列流数据相似性搜索的研究[D];山东大学;2019年
4 韩如愿;两种基于数据驱动的库存预测方法研究[D];厦门大学;2017年
5 曹西娟;模糊时间序列在钻井风险概率中的预测及应用[D];西南石油大学;2018年
6 王子一;基于特征提取的时间序列分类方法的研究[D];南京大学;2019年
7 单中南;时间序列半监督分类研究[D];河北经贸大学;2019年
8 栗云峰;基于时间序列高分一号影像的南京市农业用地提取方法研究[D];南京大学;2019年
9 曹俊波;风功率预测与多种市场下虚拟电厂电—热—气协调优化调度[D];长沙理工大学;2018年
10 孔翔玉;关于时尚产品生命周期曲线动态预测方法的研究[D];南京大学;2019年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026