基于移相加权球面单簇聚类的周期时间序列异常检测
针对传统的单分类器不适用于周期时间序列的异常检测,提出了一种基于移相加权球面单簇聚类的单分类器PS-WSlM-OCC.通过在聚类过程中增加高效的循环移位操作,解决了时间序列记录之间相似度计算的问题.另一方面,基于时间序列记录的权重分布,提出了新的阈值自适应确定方法,从而使单分类器对训练集包含的异常数据和参数设置不敏感.实验表明,本文提出的单分类器可以用于周期时间序列的异常检测;与传统的单分类器相比,可以成功地从包含异常数据的训练集中进行无监督学习,对训练集包含的异常数据鲁棒,并且对参数不敏感.
移相加权球面单簇聚类、时间序列异常检测、单分类器、从包含噪声的数据中学习
37
O211.61(概率论与数理统计)
国家自然科学基金90820002;60903100;江苏省自然科学基金BK2009067;中央高校基本科研业务费专项基金JUSRP21128
2012-01-11（万方平台首次上网日期，不代表论文的发表时间）
984-992
