人工智能和信息網(wǎng)絡時代的到來帶來了大量數(shù)據(jù)的積累,合理分析和應用數(shù)據(jù)對人類生活的重要性也愈發(fā)明顯。時間序列數(shù)據(jù)作為一種具有時間屬性的數(shù)據(jù)形式,在各類數(shù)據(jù)中具有很強的代表性。然而,關于時間序列的異常檢測研究,由于時間序列數(shù)據(jù)非線性、高維數(shù)以及包含時間屬性等重要特征,一直以來都是一個具有挑戰(zhàn)性的熱點研究課題。在關于時間序列的異常檢測研究中,大多數(shù)學者主要關注的是異常檢測算法的設計與優(yōu)化,對時間序列數(shù)據(jù)表示研究的相關文獻較少。一種有效的時間序列數(shù)據(jù)表示模型可以在原數(shù)據(jù)的基礎上進行合理降維,提取數(shù)據(jù)特征,提升數(shù)據(jù)的抗噪能力,增加檢測方法的準確性和魯棒性。粒計算通過構(gòu)造和處理能夠表示復雜問題的信息顆粒,在時間序列數(shù)據(jù)的挖掘分析領域有著不可忽視的地位。本文旨在通過結(jié)合已有的數(shù)據(jù)表示方法的研究成果和粒計算在時間序列表示方面的相關應用,以區(qū)間信息粒作為信息顆粒的一種表現(xiàn)形式,設計一種基于區(qū)間集的時間序列表示方法并搭建相應的異常檢測框架,實現(xiàn)對時間序列數(shù)據(jù)異常檢測。在有關信息顆粒研究成果的基礎上,本文提出了一種基于區(qū)間集的時間序列分段近似表示方法ISPA（Interval Sets Piecewise ... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

PAA和APCA表示方法

圖1.2 PLR 表示方法對而言，分段線性表示法更加直觀簡潔且靈活度較高，在時間序列數(shù)據(jù)常見。PLR 中常用的分割策略有：自上而下分割、自下而上分割和滑動窗自上而下分割法在圖像處理以及機器學習等領域的應用最為廣泛，其缺

圖1.4粒計算基本框架

【參考文獻】：
期刊論文
[1]基于距離和密度的時間序列異常檢測方法研究[J]. 孫梅玉.  計算機工程與應用. 2012(20)
[2]基于時間序列模式表示的異常檢測算法[J]. 詹艷艷,陳曉云,徐榮聰.  計算機應用研究. 2007(11)
[3]區(qū)間值模糊控制[J]. 曾文藝,王加銀,羅憶桐.  北京師范大學學報(自然科學版). 2007(05)
[4]多尺度時間序列異常事件檢測[J]. 鄭誠,舒堅.  計算機工程與應用. 2006(31)

博士論文
[1]基于粒計算的時間序列分析與建模方法研究[D]. 盧偉.大連理工大學 2015
[2]基于智能計算技術(shù)的時間序列分割及預測研究[D]. 王妮妮.大連理工大學 2013
[3]時間序列的相似性查詢與異常檢測[D]. 肖輝.復旦大學 2005

碩士論文
[1]基于實時數(shù)據(jù)的動態(tài)異常檢測方法研究[D]. 常飛.天津理工大學 2013
[2]基于抽樣矩陣的汽車客戶分群及離群點分析[D]. 王海燕.大連海事大學 2012
[3]奇異值分解在時間序列分析中的應用[D]. 李慧.北京交通大學 2009



本文編號：3031247