基于數(shù)據(jù)流的時間序列異常數(shù)據(jù)挖掘的研究.pdf

1、基于數(shù)據(jù)流的時間序列異常數(shù)據(jù)挖掘可以用于交通領域的道路推薦、供水領域的管網(wǎng)監(jiān)測以及證券、醫(yī)療、環(huán)保、電力等行業(yè)的檢測和預報工作。這些領域產(chǎn)生的數(shù)據(jù)有著明顯的時間序列的特征，同時還具有數(shù)據(jù)量大、結構復雜、實時性要求高等特點。如果僅使用傳統(tǒng)的理論和方法分析這些數(shù)據(jù)，往往因為計算能力、存儲能力以及算法的不足而顯得無能為力。數(shù)據(jù)流挖掘理論和技術的引入為解決上述問題提供了新的思路，越來越成為國內(nèi)外研究者所關注的熱點。 目前，時間序列的數(shù)據(jù)

2、挖掘主要包括相似性查詢、分類、聚類和異常檢測等。論文圍繞數(shù)據(jù)流環(huán)境下時間序列異常數(shù)據(jù)挖掘這一主題，以時間序列的模式表示為基礎，討論了時間序列數(shù)據(jù)預處理和壓縮存儲，提出了一種基于數(shù)據(jù)流的時間序列異常檢測算法，并根據(jù)現(xiàn)實生活中多維數(shù)據(jù)流的需要和對歷史數(shù)據(jù)的分析，將原算法進行了改進，最終確定了改進的基于數(shù)據(jù)流的時間序列異常檢測算法。主要的研究內(nèi)容和成果包括： 1.時間序列的模式表示論文將解析幾何中的線段概念和現(xiàn)實生活中的基本時間窗口引

3、入到時間序列的研究中來，提取線段的斜率作為確定時間序列分段線性表示的分段點選取的依據(jù)，提出了一種基于基本窗口和斜率的分段線性表示方法(簡稱為PLRBWS表示)。時間序列的PLRBWS表示方法簡單直觀，對于具有明顯周期特征和短期模式波動頻繁等特點的時間序列具有很強的數(shù)據(jù)壓縮能力，從而能較好地保持時間序列總體模式的變化特征。 2.時間序列的異常檢測在時間序列的模式表示基礎上，論文提出了基于滑動窗口的時間序列窗口異常的定義，同時給出了