[發明專利]檢測時間序列中異常子序列的方法及設備

有效

• 申請號: 202010456099.1
• 申請日: 2020-05-26
• 公開（公告）號: CN111612082B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 翟波;張亞;曾海芳;覃楨
• 申請（專利權）人: 河北小企鵝醫療科技有限公司
• 主分類號: G06F18/2433
• 分類號: G06F18/2433;G06F18/2415
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 嚴政

本發明實施例提供了一種檢測時間序列中異常子序列的方法及設備。所述方法包括：采用單個數值與單個時刻點構成一元組，將若干元組構成時間序列，定義不同時間序列在任一時刻點的相似性；構造若干分裂點將時間序列中的數值空間劃分為若干個數值區間，并獲取時間序列的概率密度，根據所述概率密度獲取時間序列中任意時刻點落入任意數值區間的概率，根據所述概率和若干個數值區間構建區間表，根據所述區間表構建擴展區間表；在所述擴展區間表中獲取時間序列每個子序列的每個時刻點的權重，對所有權重取平均值作為所述每個子序列的分數，若所述分數越小，則所述子序列被確定為異常的可能性越低。本發明保證了對異常子序列的檢測精度及可靠性。

技術領域

本發明實施例涉及數據挖掘技術領域，尤其涉及一種檢測時間序列中異常子序列的方法及設備。

背景技術

在現實生活中，各個領域都包含了大量的時間序列數據，例如病人的心電圖數據、腦電圖數據、工業領域傳感器數據以及網絡流數據等。時間序列數據是按照數據產生先后關系形成的數據。因此，時間序列數據記錄了某個動作在時間維度上的波動信息，而時間序列數據中可能包含的異常子序列會包含比大多數正常的子序列的更多的重要信息。例如，異常的心電數據意味著病人可能患有某種類型的心臟疾病，異常的腦電數據可能是由癲癇等腦科疾病引起的。時間序列中異常子序列(模式)檢測是一個十分重要的領域，含異常模式的時間序列大部分數據表現為正常形態，異常模式出現頻率極少，但極少出現的異常模式卻包含相當重要的信息。在無監督的時間序列異常檢測算法不需要已知數據，屬于惰性學習的機器學習算法。在無監督的異常子序列檢測算法中，對任意時間序列中任意兩子序列的進行比較進而來判斷異常情況；但是時間序列數據具有動態性等特性，且常為高維數據；因此，對于這些比較兩兩子序列的方法往往需要較大的時間開銷，且其在轉化時間序列表示的過程中，往往會丟失時間序列數據在時間維度上的信息，因此，其會影響算法的檢測準確度。因此，時間序列數據的異常子序列檢測研究極具現實意義。因此，開發一種檢測時間序列中異常子序列的方法，可以有效克服上述相關技術中的缺陷，就成為業界亟待解決的技術問題。

發明內容

針對現有技術存在的上述問題，本發明實施例提供了一種檢測時間序列中異常子序列的方法及設備。

第一方面，本發明的實施例提供了一種檢測時間序列中異常子序列的方法，包括：采用單個數值與單個時刻點構成一元組，將若干元組構成時間序列，定義不同時間序列在任一時刻點的相似性；構造若干分裂點將時間序列中的數值空間劃分為若干個數值區間，并獲取時間序列的概率密度，根據所述概率密度獲取時間序列中任意時刻點落入任意數值區間的概率，根據所述概率和若干個數值區間構建區間表，根據所述區間表構建擴展區間表；在所述擴展區間表中獲取時間序列每個子序列的每個時刻點的權重，對所有權重取平均值作為所述每個子序列的分數，若所述分數越小，則所述子序列被確定為異常的可能性越低；其中，所述數值空間由所述若干元組中的所有數值構成；任意數值點落入任意數值區間的概率相同。

在上述方法實施例內容的基礎上，本發明實施例中提供的檢測時間序列中異常子序列的方法，所述采用單個數值與單個時刻點構成一元組，將若干元組構成時間序列，包括：

P＝{(t₁,p₁),(t₂,p₂),(t₃,p₃),...,(t_n,p_n)}

其中，n為時間序列的長度，為任意整數；(t_n，p_n)為所述一元組；P為所述時間序列；t_n為所述單個時刻點；p_n為所述單個數值。