基于知识粒度的时间序列异常检测研究

时间序列的异常检测多以相似性分析方法来处理，时间代价高昂。为减少异常检测的时间，文中围绕知识粒度方法进行研究与探讨。知识粒度在数据异常检测中应用广泛，但在时间序列的异常检测上应用较少。文中针对时间序列上下文相关异常(点)检测，提出利用知识粒度异常检测方法对于输入属性越多检测粒度越细的特性，来查找时间序列中的异常数据。实验证明，基于知识粒度的方法无需先验信息，在整个处理过程中无需事先分析历史数据，而是通过属性间的组合粒度来划分异常数据与正常数据，提高了异常检测的效率。知识粒度方法在不确定信息处理研究中的表现十分突出，文中将知识粒度在时间序列异常检测中进行应用尝试，为时间序列异常检测提供了一种新的思路