AnomalyDetect一种基于欧式距离的在线异常检测算法

AnomalyDetect一种基于欧式距离的在线异常检测算法.pdf
异常检测是数据挖掘中的一项关键技术,是指在一群数据中发现离群点,在计算机和互联网领域有广泛的应用,包括网络安全、图像识别、智能运维等等.特别是智能运维,近几年取得了长足的发展.已有的异常检测算法会有低准确度、离线、无法自动更新等诸多问题.本文对智能运维背景下的真实异常检测问题进行研究,形成高准确度、在线、通用异常检测算法的实际需求,并据此在已有的时间序列异常检测算法的基础上,提出了一种新的基于欧式距离的在线异常检测算法.通过实际的运维时序数据实验,发现该算法可以实时快速准确地检测流式时间序列数据中的异常数据,验证了本文提出的算法的有效性.
作者：霍文君王伟李文
作者单位：同济大学计算机科学与技术系,上海,200092;同济大学嵌入式系统与服务计算教育部重点实验室,上海,200092
母体文献：第六届中国计算机学会大数据学术会议论文集
会议名称：第六届中国计算机学会大数据学术会议  
会议时间：2018年10月11日
会议地点：西安
主办单位：中国计算机学会
语种：chi
分类号：
关键词：数据挖掘  异常检测  时间序列  欧式距离
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文

2024-12-8 23:56 上传 AnomalyDetect一种基于欧式距离的在线异常检测算法.pdf

文件大小:

338.39 KB

下载次数:

60

高速下载