时间序列的符号化与异常检测研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 时间序列表示 | 第9-11页 |
| 1.2.2 时间序列相似性度量 | 第11页 |
| 1.2.3 时间序列异常检测 | 第11-12页 |
| 1.3 本文工作 | 第12-13页 |
| 1.4 论文组织架构 | 第13-14页 |
| 2 时间序列异常检测基础研究 | 第14-28页 |
| 2.1 时间序列表示方法和相似性度量概述 | 第14-22页 |
| 2.1.1 时间序列的分段线性表示方法 | 第14-15页 |
| 2.1.2 时间序列的符号聚集近似表示方法 | 第15-17页 |
| 2.1.3 时间序列的相似性度量方法概述 | 第17-22页 |
| 2.2 时间序列异常检测算法概述 | 第22-28页 |
| 2.2.1 时间序列的模式异常检测 | 第22-24页 |
| 2.2.2 时间序列的序列异常检测 | 第24-28页 |
| 3 基于趋势信息的时间序列符号化算法 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 符号化聚集近似算法的不足 | 第28-29页 |
| 3.3 基于斜率的符号化表示算法SANS | 第29-32页 |
| 3.4 SANS算法的相似性度量 | 第32-34页 |
| 3.5 SANS算法的改进分析 | 第34-36页 |
| 4 基于剪枝优化的异常子序列查找算法 | 第36-45页 |
| 4.1 引言 | 第36-38页 |
| 4.2 基本思想 | 第38-41页 |
| 4.3 符号聚类过程 | 第41-42页 |
| 4.4 融合剪枝策略的异常子序列检测过程 | 第42-45页 |
| 5 实验与分析 | 第45-57页 |
| 5.1 符号化算法SANS的分类实验 | 第45-47页 |
| 5.2 异常检测算法PDD的有效性实验 | 第47-50页 |
| 5.2.1 空间遥测领域的异常检测 | 第47-49页 |
| 5.2.2 心电图数据的异常检测 | 第49-50页 |
| 5.3 异常检测算法PDD效率实验 | 第50-53页 |
| 5.4 异常检测算法PDD的参数分析实验 | 第53-55页 |
| 5.4.1 分段数w对于算法的影响 | 第53-54页 |
| 5.4.2 字符集的大小a对于算法的影响 | 第54-55页 |
| 5.4.3 簇的数量c对于算法的影响 | 第55页 |
| 5.5 异常检测算法PDD的各阶段时间占比实验 | 第55-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 未来的工作 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第64页 |
