基于DTW-kmedoids算法的时间序列数据异常检测 |
| |
作者姓名: | 宗文泽 吴永明 徐计 黎旭 王晨 |
| |
作者单位: | 1.贵州大学现代制造技术教育部重点实验室550025;2.贵州大学公共大数据国家重点实验室550025; |
| |
基金项目: | 国家自然科学基金资助项目(51505094,61962009);贵州省科学技术基金计划项目[(2016)1037];贵州省科技支撑计划项目[(2017)2029]。 |
| |
摘 要: | 针对工业生产中传统聚类算法直接应用于时间序列聚类效果准确性较低的问题,提出一种基于DTW距离度量的K-medoids算法。使用DTW计算时序数据之间的距离取代传统的欧氏距离度量方式,提高了相似性度量算法精度,同时也提高了聚类算法的准确性,并通过构建阈值机制实现了对时间序列数据的监督与异常检测。最后,结合烟叶含水率的时间序列数据进行分析,与传统聚类算法的异常检测模型比较,实验结果表明,DTW-kmedoids算法对时序数据的监督与异常检测具有可靠性、准确性。
|
关 键 词: | 时间序列数据 DTW 聚类 异常检测 |
本文献已被 维普 等数据库收录! |
|