论文学习——多维时间序列异常检测算法综述
文章目录
- 0 封面
- 1 标题(title)
- 2 作者(author)
- 3 摘要(abstract)
- 4 结论(conclusion)
- 4.1 维数约减
- 4.2 时间序列模式表示
- 4.3 异常模式发现
- 5 引言(introduction)
- 5.1 总结
- 5.2 名词定义——异常
- 5.3 名词定义——维数约减
- 5.4 名词定义——时间序列模式表示
- 6 维数约减
- 6.1 研究趋势
写在前面:计算机应用;主办方:中国科学院成都分院、四川省计算机学会;中文核心期刊;月刊;C类
0 封面
- 综述的阅读:先标题、作者、摘要、结论;然后
1 标题(title)
- 多维时间序列异常检测算法综述
- 这篇文的重点是“多维时间序列”,区别于单维时间序列
- 这是一篇综述,都说找研究方向应该先看这个领域的综述。
2 作者(author)
- 作者4人,二作和四作是硕士研究生,应该是干活的主力;一作是导师,三作是带的助教导师。
- 通讯作者是二作学生,一般通讯作者都是写老师的,这边还是有点不太明白了。
3 摘要(abstract)
- 时间序列异常检测算法,逐步成为数据分析领域新增的研究热点。这一方面的研究仍处于初步阶段,研究工作的系统性不强。
- “维数约简”
- “时间序列模式表示”
- “异常模式发现”
4 结论(conclusion)
- 两种主流思路:①将原始多维时间序列经过预处理之后转化为单维时间序列,然后利用单维时间序列异常检测的相关理论发现异常;②通过研究新的算法或改进算法,直接对预处理后的多维时间子序列进行异常检测。
- 特点:多维转单维的方式更适合小规模时间序列,而第二种方式能够满足更大规模的时间序列的异常检测。
4.1 维数约减
- 维数约简过程中,如何保留原始数据的时间规律
4.2 时间序列模式表示
- 难以确定统一的规则,使得在较高数据压缩率的情况下,对哥哥维度具有比较精确的表示
- 是否能够使用于实时更新的多维时间序列
4.3 异常模式发现
- ①多维时间子序列相似性度算法研究;②聚类和分类算法在时间相关性方面的优化研究
- 目前已有很多经典的单维时间序列相似性度量方法:欧式距离、动态时间扭曲、垂直距离等等。但是对于多维时间序列的相似性度量方法还在初步研究阶段
- 传统的聚类、分类算法只是针对无序变量,直接运用到时间序列会丢失时序信息
5 引言(introduction)
【在水文领域的洪水预报方面,需要通过分析各种水文数据,例如流量数据,土壤饱和度数据,水位数据等等,以及时发现风险隐患,实施报警并支撑管理人员采取有效措施,减少项目经济损失,保障人员安全。】
5.1 总结
5.2 名词定义——异常
5.3 名词定义——维数约减
- 这是维度减少
5.4 名词定义——时间序列模式表示
- 这是数据量的减少
6 维数约减
- 维数约减主流算法分类:
线性降维领域中,线性判别分析PCA是经典的算法,是一种无监督的统计分类方法。
非线性降维领域中,主成分分析KPCA是经典的算法,但是这种算法的难点在于难以选择合适的核函数。流行学习是近年来非线性降维算法领域的热门研究方向。[27]可以学习。
文中提到的方法、模型太多了,这里就不能一一赘述了,后面会每天更新的!
6.1 研究趋势
- 非线性降维算法,尤其是流形学习将成为该领域未来的重要研究方向。
- 将已有理论成果与实际应用场景相结合,进一步确定算法的特点和使用范围。
- 算法优化
- 结合机器学习获深度学习实现维数约减
论文学习——多维时间序列异常检测算法综述相关推荐
- 融合transformer和对抗学习的多变量时间序列异常检测算法TranAD论文和代码解读...
一.前言 今天的文章来自VLDB TranAD: Deep Transformer Networks for Anomaly Detection in Multivariate Time Series ...
- 基于GAN框架的时间序列异常检测研究综述
一项综述类的课程作业 Anomaly detection with generative adversarial networks for multivariate time series. MAD- ...
- 【KDD20】多变量时间序列异常检测算法之USAD:对抗性训练AE
前言 KDD20的paper 链接:https://dl.acm.org/doi/pdf/10.1145/3394486.3403392 代码链接:https://github.com/manigal ...
- 【时间序列】时序预测竞赛之异常检测算法综述
本文将介绍在时间序列预测相关问题中常见的异常检测算法,可以很大程度上帮助改善最终预测效果. 异常分类 时间序列的异常检测问题通常表示为相对于某些标准信号或常见信号的离群点.虽然有很多的异常类型,但是我 ...
- #时间预测算法_【时间序列】时序预测竞赛之异常检测算法综述
本文将介绍在时间序列预测相关问题中常见的异常检测算法,可以很大程度上帮助改善最终预测效果. 异常分类 时间序列的异常检测问题通常表示为相对于某些标准信号或常见信号的离群点.虽然有很多的异常类型,但是我 ...
- 时序预测竞赛之异常检测算法综述
本文将介绍在时间序列预测相关问题中常见的异常检测算法,可以很大程度上帮助改善最终预测效果. 异常分类 时间序列的异常检测问题通常表示为相对于某些标准信号或常见信号的离群点.虽然有很多的异常类型,但是我 ...
- 深度盘点:时序预测之异常检测算法综述
本文将介绍在时间序列预测相关问题中常见的异常检测算法,可以很大程度上帮助改善最终预测效果.喜欢记得收藏.关注.点赞. 注:完整版代码.数据.技术交流,文末获取 异常分类 时间序列的异常检测问题通常表示 ...
- 四类异常检测算法综述:Isolation Forest、LOF、PCA及DAGMM
异常检测(Anomaly detection)问题是机器学习算法的一个常见应用.这种算法的一个有趣之处在于:它虽然主要用于非监督学习问题,但从某些角度看,它又类似于一些监督学习问题.本文总结了四种机器 ...
- 【时间序列异常检测算法】——传统异常检测算法介绍及代码实现
背景 前面博客讲述了正常值组成的时间序列如何预测t时刻的值,是时序预测任务: 这里讲述的是包含有异常值的时间序列如何判定哪个时刻发生了异常,是时序异常检测任务. 同比:本期与同期做对比. 环比:本期与 ...
最新文章
- Redis的一些“锁”事
- python之time模块和hashlib模块
- php strrchar,php文件上传
- SqueezeNet
- AES和RSA前后端加解密
- 初次进入oracle数据库,Oracle数据库的初次使用
- typescript 静态_关于TypeScript静态成员的全部信息| TypeScript OOP
- 关于serv-u公网访问出现“打开ftp服务器上的文件夹时发生错误。请检查是否有权限访问该文件夹。详细信息:操作超时”的解决方法...
- 1)Linux学习笔记:crontab命令
- 【广告技术】下个月会有多少用户看到洗发水广告?最先进的张量分解模型给你最好的答案
- 面向接口的开发到面向对象的编程
- 内存的读写速度是硬盘的多少倍
- 对话DeepMind创始人:建立通用人工智能
- Every plan I should insist on !!
- 虚拟机批量克隆工具_如何使用老毛桃winpe进行克隆磁盘?
- 百练:4151 电影节
- GNU GRUBversion 2.04Minimal BASH-like line editing is supported.For the first word
- allegro使用汇总 [转贴]
- Adobe国际认证|使用 Adob​e Acrobat 在线增强协作
- 与小米一起“星辰大海,云端漫步”
热门文章
- 国产的“三剑”系列登顶了热销榜的榜首?有你喜欢的吗?
- cmd中文乱码,输入chcp 65001
- idea 导出war包
- 00002-layui 右侧呼出页面,PopupLayer
- ovs 删除openflow流表
- JavaScript什么是类数组?
- JAVA毕设项目漫画网站系统(java+VUE+Mybatis+Maven+Mysql)
- 数据复制软件---Oracle GoldenGate
- 《深度学习入门一》一入侯门深似海,深度学习深几许 2017-06-09 云栖社区 摘要: 当你和女朋友在路边手拉手一起约会的时候,你可曾想,你们之间早已碰撞出了一种神秘的智慧–深度学习。恋爱容易,相
- 新手站长怎么选择网站空间