【技术实现步骤摘要】
本申请涉及数据处理，特别是涉及一种时序数据异常值检测方法、装置、计算机设备和存储介质。
技术介绍
1、时序数据异常值检测领域中对于增长趋势型且符合泊松分布时序数据没有专业的检测方法。在实际场景中，商品销量增长型的时序数据带来的“异常值遮蔽问题”，导致时序数据前期的异常值不能被检测。或者一段时间内销量波动较小，突发跳跃式增长，但是增长没有达到整体时序数据的异常值水平，也会被检测算法遮蔽。统计学、差分、iqr和grubbs无法有效解决“异常值遮蔽问题”，经典方法lof、iforest、dbscan和机器学习方法svm、knn、k-means属于多维检测方法不适合一维时序数据的异常值检测。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种时序数据异常值检测方法、装置、计算机设备和存储介质。
2、一种时序数据异常值检测方法，该方法包括：
3、获取商品销量增长型的时序数据。
4、根据时序数据和预设滑动窗口大小，生成每个滑动窗口的最小值滑动树和最大值滑动树
5、本文档来自技高网...
【技术保护点】
1.一种时序数据异常值检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：采用尾部特殊处理方式对尾部异常值进行识别；其中在尾部特殊处理方式中，从滑动窗口1至滑动窗口7，都进行常规计算，不考虑是否满足滑动窗口等于7的条件，只考虑是否存在可计算的时序数值。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：在的7个滑动窗口中出现了至少2个的相等数值并判断为异常值时，在第一轮滑动窗口计算过程中，将窗口最大值和最小值分别设置为随机数值，第一轮滑动窗口计算过后，再将所述相等数值直接标记为异常值；其中k为...
【技术特征摘要】
1.一种时序数据异常值检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：采用尾部特殊处理方式对尾部异常值进行识别；其中在尾部特殊处理方式中，从滑动窗口1至滑动窗口7，都进行常规计算，不考虑是否满足滑动窗口等于7的条件，只考虑是否存在可计算的时序数值。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：在的7个滑动窗口中出现了至少2个的相等数值并判断为异常值时，在第一轮滑动窗口计算过程中，将窗口最大值和最小值分别设置为随机数值，第一轮滑动窗口计算过后，再将所述相等数值直接标记为异常值；其中k为预设滑动窗口大小。
4.根据权利要求1所述的方法，其特征在于，根据所述时序数据和预设滑动窗口大小，生成每个滑动窗口的最小值滑动树和最大值滑动树，包括：
5.根据权利要求1所述的方法，其特征在于...
【专利技术属性】
技术研发人员：李东晖，宁志雄，蔡知岂，周源，
申请(专利权)人：湖南农业大学，
类型：发明
国别省市：
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。