毕业论文--基于数据挖掘的时间序列异常事件检测技术研究

《毕业论文--基于数据挖掘的时间序列异常事件检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、HUNANUNIVERSITY毕业论文设计论文题目：基于数据挖掘的时间序列异常事件检测技术研究学生姓名：学生学号：专业班级：自动化四班学院名称：电气与信息工程学院指导老师：学院院长：2015年5月20日28湖南大学毕业设计(论文)第28页摘要研究时间序列的异常事件的检测对于当今社会有重要的学术意义和现实意义。针对时间序列的连续性和非线性的复杂特征，开创了时间序列异常检测的新纪元。时间序列是特殊的数据序列中的一种，其在经济、金融、科学等各个领域都被广泛运用。所以对时间序列的异常检测在现实中具有及其重要的地位。论文重点研究了基于四分法的异常检测和基于密度的dbscan算法的异常检测，还有基于AR

2、MA模型的异常检测。首先是运用四分法粗略检测异常点的分布，这是一种比较简单常规的处理办法，可以去除很明显的异常点。而dbscan算法则较为复杂，是基于密度的一种解决方案，通过对邻域的判断来区分异常点，其结果较为精确。用ARMA模型对数据进行处理，判断数据是否平缓可适用于这个模型的选择，再甄别出异常点。关键词：异常点，时间序列，ARMA模型，异常检测28湖南大学毕业设计(论文)第28页ABSTRACTThedetectionofabnormaleventsoftimeseriesisofgreatacademicandpracticalsignificanceforthesocietytoda

3、y.Theneweraofanomalydetectionoftimeseriesiscreatedbythecomplexfeaturesofthecontinuityandnonlinearityoftimeseries.Timeseriesisoneofthespecialdatasequences,anditiswidelyusedinthefieldsofeconomy,finance,scienceandsoon.Sotheanomalydetectionoftimeseriesisofimportantstatusinreality.Thispapermainlystudies

4、theanomalydetectionbasedonfour-pointmethodandtheanomalydetectionofDBSCANalgorithmbasedondensity,andtheanomalydetectionbasedonARMAmodel. Thefirstistousethefourmethodstodetectthedistributionofabnormalpoints,whichisasimpleandconventionalmethod,canremovetheobviousabnormalpoints.TheDBSCANalgorithmismore

5、complex,isbasedonthedensityofasolution,throughtheneighborhoodofthejudgmenttodistinguishbetweentheabnormalpoints,theresultismoreaccurate. UsingARMAmodeltodealwiththedata,judgewhetherthedataisflatcanbeappliedtothechoiceofthemodel,thenidentifytheoutliers.KeyWords：Abnormal point, timeseries, ARMAmodel,

6、 anomalydetection28湖南大学毕业设计(论文)第28页目录基于数据挖掘的时间序列异常事件检测研究I摘要IAbstractII第一章绪论11.1研究背景11.1.1数据挖掘……………………………………..…………………………………………………………………….11.1.2时间序列数据挖掘……………….………………………………………………………………………….11.1.3异常检测…..……………………………………………………………………………………………………….11.2研究目的…..……………………………………………………………………………………………..………………21.3研究

7、现状和发展趋势21.4设计和研究方法31.5设计过程及研究内容3第二章相关理论技术42.1时间序列数据挖掘任务42.1.1时间数据的序列预测………………………………………………………………………….…………42.2时间序列的表示方法52.2.1时间序列的定义表示……………………………………………..…………………………………..…52.2.2时间序列的模式表示62.2.3时间序列的分段表示62.3聚类分析62