公开(公告)号：CN107844731A

公开(公告)日：2018-03-27

申请号：CN201610826095.1

申请日：2016-09-17

Applicant: 复旦大学

Inventor： 杨卫东 ,  丁希颖

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00523 ,  G06K9/00503 ,  G06K9/6219 ,  G06K9/6256 ,  G06K9/6265 ,  G06K9/6277

Abstract: 本发明属于时间序列数据的异常检测领域，涉及基于概率后缀树的长符号串异常点检测方法，该方法利用连续型数据的离散化技术和概率后缀树模型，检测长时间序列异常数据点，其包括，将原始连续的长时间序列数据离散化，得到长符号串，根据符号化的训练数据集，构建概率后缀树，利用已构建好的PST，检测待检测数据集中的δ-异常点和利用F1-Measure对检测效果进行评价。本发明经实验结果表明，能够有效地支持各钟类型长时间序列，召回率、准确率、精确率都较高，检测效果好，可应用于航空航天、医疗数据分析、金融数据分析、网络异常行为检测等各个领域。