【技术实现步骤摘要】
检测时间序列中异常子序列的方法及设备
本专利技术实施例涉及数据挖掘
，尤其涉及一种检测时间序列中异常子序列的方法及设备。
技术介绍
在现实生活中，各个领域都包含了大量的时间序列数据，例如病人的心电图数据、脑电图数据、工业领域传感器数据以及网络流数据等。时间序列数据是按照数据产生先后关系形成的数据。因此，时间序列数据记录了某个动作在时间维度上的波动信息，而时间序列数据中可能包含的异常子序列会包含比大多数正常的子序列的更多的重要信息。例如，异常的心电数据意味着病人可能患有某种类型的心脏疾病，异常的脑电数据可能是由癫痫等脑科疾病引起的。时间序列中异常子序列(模式)检测是一个十分重要的领域，含异常模式的时间序列大部分数据表现为正常形态，异常模式出现频率极少，但极少出现的异常模式却包含相当重要的信息。在无监督的时间序列异常检测算法不需要已知数据，属于惰性学习的机器学习算法。在无监督的异常子序列检测算法中，对任意时间序列中任意两子序列的进行比较进而来判断异常情况；但是时间序列数据具有动态性等特性，且常为高维数据；因此，对于这些比较...
【技术保护点】
1.一种检测时间序列中异常子序列的方法，其特征在于，包括：/n采用单个数值与单个时刻点构成一元组，将若干元组构成时间序列，定义不同时间序列在任一时刻点的相似性；/n构造若干分裂点将时间序列中的数值空间划分为若干个数值区间，并获取时间序列的概率密度，根据所述概率密度获取时间序列中任意时刻点落入任意数值区间的概率，根据所述概率和若干个数值区间构建区间表，根据所述区间表构建扩展区间表；/n在所述扩展区间表中获取时间序列每个子序列的每个时刻点的权重，对所有权重取平均值作为所述每个子序列的分数，若所述分数越小，则所述子序列被确定为异常的可能性越低；/n其中，所述数值空间由所述若干元组...
【技术特征摘要】
1.一种检测时间序列中异常子序列的方法，其特征在于，包括：
采用单个数值与单个时刻点构成一元组，将若干元组构成时间序列，定义不同时间序列在任一时刻点的相似性；
构造若干分裂点将时间序列中的数值空间划分为若干个数值区间，并获取时间序列的概率密度，根据所述概率密度获取时间序列中任意时刻点落入任意数值区间的概率，根据所述概率和若干个数值区间构建区间表，根据所述区间表构建扩展区间表；
在所述扩展区间表中获取时间序列每个子序列的每个时刻点的权重，对所有权重取平均值作为所述每个子序列的分数，若所述分数越小，则所述子序列被确定为异常的可能性越低；
其中，所述数值空间由所述若干元组中的所有数值构成；任意数值点落入任意数值区间的概率相同。
2.根据权利要求1所述的检测时间序列中异常子序列的方法，其特征在于，所述采用单个数值与单个时刻点构成一元组，将若干元组构成时间序列，包括：
P＝{(t1,p1),(t2,p2),(t3,p3),...,(tn,pn)}
其中，n为时间序列的长度，为任意整数；(tn，pn)为所述一元组；P为所述时间序列；tn为所述单个时刻点；pn为所述单个数值。
3.根据权利要求2所述的检测时间序列中异常子序列的方法，其特征在于，所述定义不同时间序列在任一时刻点的相似性，包括：若第一时间序列与第二时间序列在所述t1至tn时刻中任一时刻点的数值位于同一数值区间，则判定所述第一时间序列与第二时间序列在所述任一时刻点是相似的。
4.根据权利要求2所述的检测时间序列中异常子序列的方法，其特征在于，所述概率密度为：
所述概率为：
其中，x为任意时刻点；S为数值区间的个数；βi为第i个分裂点；i＝0,…,S-1。
5.根据权利要求4所述的检测时间序列中异常子序列的方法，其特征在于，所述构造若干分裂点，包括：
其中，p'为p相对于时间的导数；G为构造函数，若G为零则判定βi为一分裂点，若G不为零则判定βi不是分裂点。
6.根...
【专利技术属性】
技术研发人员：翟波，张亚，曾海芳，覃桢，
申请(专利权)人：河北小企鹅医疗科技有限公司，
类型：发明
国别省市：河北;13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。