-
题名基于重要边缘点的时间序列异常模式检测算法
被引量：4
- 1
-
-
作者
苏锦旗
张文宇
-
机构
西安邮电大学管理工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2014年第6期1159-1164,共6页
-
基金
国家自然科学基金资助项目(71173248)
陕西省社会科学基金资助项目(13Q081)
西安邮电大学青年教师科研基金资助项目(ZL2012-30)
-
文摘
在分析边缘算子的思想和现有时间序列模式表示方法基础上,将边缘点方法和重要点方法相结合,提出了基于重要边缘点的时间序列模式表示算法。算法按各观测点的边缘化程度,提取重要的边缘点将时间序列分成多个子线段,通过分析直线段之间的相似性,发现异常的序列模式。从理论和实验两方面对算法进行了分析和验证,结果表明,算法复杂度较低,模式表示误差小,能够满足大规模时间序列数据模式表示的要求。
-
关键词
时间序列
重要边缘点
分化距离
异常模式检测
-
Keywords
time series
important edge points
differentiation distance
abnormal pattern detection
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于孤立森林采样策略的企业异常用水模式检测
被引量：1
- 2
-
-
作者
林青轩
郭强
邓春燕
王雅静
刘建国
-
机构
上海理工大学复杂系统科学研究中心
上海财经大学会计与财务研究院
-
出处
《复杂系统与复杂性科学》
EI
CSCD
2020年第3期47-51,共5页
-
基金
国家自然科学基金(61773248,71771152)
国家社科重大基金(18ZDA088,20ZDA060)。
-
文摘
为解决企业异常用水模式检测过程中的低频短时间序列数据和不平衡分类问题,提出了一种基于孤立森林采样策略的二分类预测方法。首先构造用水波动性特征和统计性特征,利用孤立森林算法计算多数类中样本点的“孤立”程度以衡量每个样本的“代表性”,再按样本“代表性”排序,对“代表性”高的样本优先进行采样;然后将抽取出的样本与少数类合并,构成较平衡的训练样本集;最后利用较平衡的数据集训练XGBoost分类器并进行预测。在某市的7604家企业13个月的用水量数据集上,该方法对企业异常用水模式的预测结果AUC和查全率可达到0.927和0.891,比基于随机欠采样的XGBoost方法的0.885和0.733分别提升了4.7%和21.6%。
-
关键词
异常用水模式检测
不平衡分类
孤立森林
XGBoost
-
Keywords
abnormal water consumption pattern detection
unbalanced classification
isolation forest
XGBoost
-
分类号
N94
[自然科学总论—系统科学]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名应用于入侵检测系统中的Agent模型
被引量：1
- 3
-
-
作者
蒋浩江
王秀峰
-
机构
南开大学信息学院
中国民航学院计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2003年第z2期69-70,共2页
-
文摘
提出了一种应用于入侵检测系统中的Agent模型 ,对Agent的设计、通信机制、知识表达、入侵判断和检测方法进行了详细阐述。
-
关键词
AGENT
语义网
Agent误用检测模式
Agent异常检测模式
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
