利用跟随周期均值显著化序列异常数据的学习算法

摘要：

针对工业控制中硬件存储空间、计算性能极为有限,无法应用计算机可运行的异常序列数据检测算法,以及常见可用算法比较复杂的问题,提出了一种利用跟随周期均值显著化序列异常数据的学习算法.首先,对序列数据预处理,利用有异常位置标记的序列集,可以得到最优周期T和周期均值差值阈值Dmax;其次,按照周期T分组检测序列,求出最近两组均值的差值,差值超过阈值时可判断出现异常.算法在学到参数后,判断异常过程所需存储空间和运算量很少,实验结果表明此算法对序列异常数据有显著化分离作用,在实际工程中抗干扰能力好,可有效减少异常点的误判率.

关键词：异常序列检测、工业控制、周期均值、学习算法、最优周期、差值阈值

所属期刊栏目：34

分类号：TP301.6(计算技术、计算机技术)

资助基金：安徽工程大学计算机应用技术重点实验室开放基金资助项目JSJKF201604

在线出版日期：2019-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：26-30