多变量时间序列例外模式的识别
Identification of Outlier Patterns in Multivariate Time Series作者机构：西安交通大学计算机软件研究所
出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)
年 卷 期：2007年第20卷第3期
页 面：336-342页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
主 题：多变量时间序列(MTS) 白底向上的分割算法 扩展的Frobenius范数 例外模式
摘 要：多变量时间序列(MTS)在金融、医学、科学、工程等领域是非常普遍的.本文提出一种在 MTS 中识别异常模式的方法.采用自底向上的分割算法将 MTS 分割成互不重叠的子序列,使用扩展的 Frobenius 范数来计算2个MTS 子序列之间的相似性,通过 K-均值聚类将 MTS 子序列分为若干个类.根据异常模式的定义,从这若干个类中识别出异常模式.在2个实际数据集上进行实验,实验结果验证算法的有效性.
维普期刊数据库
同方期刊数据库