[發明專利]基于等差距離重構時間序列的異常值檢測方法和裝置有效
| 申請號： | 202310506486.5 | 申請日： | 2023-05-08 |
| 公開（公告）號： | CN116226777B | 公開（公告）日： | 2023-08-01 |
| 發明（設計）人： | 李東暉;寧志雄;蔡知豈;楊柳 | 申請（專利權）人： | 湖南農業大學 |
| 主分類號： | G06F18/2433 | 分類號： | G06F18/2433;G06F18/232;G06F123/02 |
| 代理公司： | 長沙國科天河知識產權代理有限公司 43225 | 代理人： | 唐品利 |
| 地址： | 410128 *** | 國省代碼： | 湖南;43 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 等差 距離 時間 序列 異常 檢測 方法 裝置 | ||
1.一種基于等差距離重構時間序列的異常值檢測方法，其特征在于，所述方法包括：
獲取待檢測時間序列，所述待檢測時間序列是單變量時間序列；所述待檢測時間序列為跨境電商平臺的商品銷售序列；商品銷售序列的結構為：
，
其中，
根據所述待檢測時間序列采用等差距離算法進行重構，得到二元變量等差距離時間序列；所述等差距離算法用于給所述待檢測時間序列的每條記錄增加等差距離屬性，然后根據增加等差距離屬性的記錄進行重構，得到等差距離時間序列；所述等差距離屬性和均能參與異常值檢測計算；
根據所述等差距離時間序列，采用基于密度且無監督的異常值檢測算法進行異常值檢測，輸出待檢測時間序列的異常值檢測結果；
其中，等差距離算法包括：歸一等差距離算法和最值等差距離算法；
根據所述待檢測時間序列采用等差距離算法進行重構，得到二元變量等差距離時間序列，包括：
判斷所述待檢測時間序列是否為歸一化處理后的序列；
如果是，則采用所述歸一等差距離算法對待檢測時間序列進行重構，得到二元變量歸一等差距離時間序列；
如果否，則采用所述最值等差距離算法對待檢測時間序列進行重構，得到二元變量最值等差距離時間序列；
其中，采用所述歸一等差距離算法對待檢測時間序列進行重構，得到二元變量歸一等差距離時間序列，包括：
采用歸一等差距離公式計算所述待檢測時間序列的每一條記錄的距離值，得到增加距離值的記錄，所述歸一等差距離公式為：
，
其中,?為第條記錄的歸一等差距離,?為待檢測時間序列中記錄的順序號，，為待檢測待重構時間序列的總記錄數；
將增加距離值后的所有記錄進行重構，得到二元變量歸一等差距離時間序列；
采用所述最值等差距離算法對待檢測時間序列進行重構，得到二元變量最值等差距離時間序列，包括：
采用最值等差距離公式計算所述待檢測時間序列的每一條記錄的距離值，得到增加距離值的記錄，所述最值等差距離公式為：
，
其中，為第條記錄的最值等差距離，為待檢測時間序列中記錄的順序號，，為待檢測時間序列的總記錄數，為依附時間產生的其他屬性；
將增加距離值后的所有記錄進行重構，得到二元變量最值等差距離時間序列。
2.根據權利要求1所述的方法，其特征在于，所述歸一等差距離時間序列的矩陣為：
，
其中，為等差距離時間序列的矩陣，表示時間序列的時間屬性，；表示依據歸一等距離算法生成的距離屬性；表示依附產生的其他屬性。
3.根據權利要求1所述的方法，其特征在于，所述最值等差距離時間序列的矩陣為：
，
其中，為最值等差距離時間序列的矩陣，表示時間序列的時間屬性，；表示依據最值等差距離算法生成的距離屬性；表示依附產生的其他屬性。
4.根據權利要求1所述的方法，其特征在于，根據所述等差距離時間序列，采用基于密度且無監督的異常值檢測算法進行異常值檢測，輸出待檢測時間序列的異常值檢測結果，包括：
根據所述等差距離時間序列采用局部離群因子檢測算法進行異常值檢測，輸出待檢測時間序列的異常值檢測結果。
5.根據權利要求1所述的方法，其特征在于，根據所述等差距離時間序列，采用基于密度且無監督的異常值檢測算法進行異常值檢測，輸出待檢測時間序列的異常值檢測結果，包括：
根據所述等差距離時間序列采用局部離群因子檢測算法或DBSCAN算法進行異常值檢，輸出待檢測時間序列的異常值檢測結果。
6.一種基于等差距離重構時間序列的異常值檢測裝置，其特征在于，所述裝置包括：
時間序列獲取模塊，用于獲取待檢測時間序列，所述待檢測時間序列是單變量時間序列；所述待檢測時間序列為跨境電商平臺的商品銷售序列；商品銷售序列的結構為：
，
其中，
等差距離時間序列重構模塊，用于根據所述待檢測時間序列采用等差距離算法進行重構，得到二元變量等差距離時間序列；所述等差距離算法用于給所述待檢測時間序列的每條記錄增加等差距離屬性，然后根據增加等差距離屬性的記錄進行重構，得到等差距離時間序列；所述等差距離屬性和均能參與異常值檢測計算；
異常值檢測模塊，用于根據所述等差距離時間序列，采用基于密度且無監督的異常值檢測算法進行異常值檢測，輸出待檢測時間序列的異常值檢測結果；
其中，等差距離算法包括：歸一等差距離算法和最值等差距離算法；等差距離時間序列重構模塊，還用于判斷所述待檢測時間序列是否為歸一化處理后的序列；
如果是，則采用所述歸一等差距離算法對待檢測時間序列進行重構，得到二元變量歸一等差距離時間序列；
如果否，則采用所述最值等差距離算法對待檢測時間序列進行重構，得到二元變量最值等差距離時間序列；
其中，?等差距離時間序列重構模塊，還用于采用歸一等差距離公式計算所述待檢測時間序列的每一條記錄的距離值，得到增加距離值的記錄，所述歸一等差距離公式為：
，
其中,?為第條記錄的歸一等差距離,?為待檢測時間序列中記錄的順序號，，為待檢測待重構時間序列的總記錄數；
將增加距離值后的所有記錄進行重構，得到二元變量歸一等差距離時間序列；
等差距離時間序列重構模塊，還用于采用最值等差距離公式計算所述待檢測時間序列的每一條記錄的距離值，得到增加距離值的記錄，所述最值等差距離公式為：
，
其中，為第條記錄的最值等差距離，為待檢測時間序列中記錄的順序號，，為待檢測時間序列的總記錄數，為依附時間產生的其他屬性；
將增加距離值后的所有記錄進行重構，得到二元變量最值等差距離時間序列。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于湖南農業大學，未經湖南農業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310506486.5/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：低壓鑄造機
- 下一篇：一種知識驅動的空間目標態勢感知方法及系統
