基于线性形态的时间序列异常模式挖掘

对于子序列长度相等的时间序列数据 ,文章提出了一种基于序列偏离度的异常模式发现方法。与传统的基于某一特定模型的方法不同 ,该方法首先对子序列进行线性分段 ,对每一分段计算其斜率 ,并将斜率进行离散化 ,离散化后的符号构成的特征序列就代表了原时间子序列的变化趋势 ,在此基础上 ,序列偏离度被定义和计算。这种方法不需预先定义模型 ,同时避免了通过序列间的两两比较来查找异常所带来的时间消耗。