[发明专利]用于学习异常检测的样本的方法

权利要求书

1.一种用于检测时间序列数据中的异常的方法，所述方法包括以下步骤：

通过使用分治过程概括训练时间序列数据来学习最终样本集，其中，所述分治过程包括：将所述训练时间序列数据中的初始样本集划分为多个分块，将选择过程和组合过程的序列应用于所述多个分块，直到仅剩余一个分块为止，以及将最终选择过程应用于剩余分块的样本，以产生所述最终样本集；

针对测试时间序列数据的每一个窗口，确定到所述最终样本集中的最接近样本的距离，其中，所述距离是异常分数；以及

当针对窗口的所述异常分数大于阈值时，通报异常，

其中，这些步骤在处理器中执行。

2.根据权利要求1所述的方法，其中，每一个样本都表示所述时间序列数据的类似窗口的集合。

3.根据权利要求1所述的方法，其中，所述时间序列数据的每一个窗口都被表示为轨迹分量和统计分量，所述轨迹分量表征所述窗口内的所述时间序列数据的形状，所述统计分量表征随机分量，并且包括所述轨迹分量和所述统计分量的特征向量是统计和平滑轨迹特征，并且其中，所述窗口在时间上是滑动的和重叠的。

4.根据权利要求3所述的方法，该方法进一步包括：

确定针对所述训练时间序列数据中的每一个窗口的所述统计和平滑轨迹特征，并且限定等于所有统计和平滑轨迹特征的集合的所述初始样本集。

5.根据权利要求1所述的方法，该方法进一步包括：

使所述时间序列数据平滑。

6.根据权利要求4所述的方法，其中，所述统计分量包括平均值、标准偏差、绝对差均值、由窗口尺寸划分的多个平均交叉、正差的百分比、零差的百分比、以及由所述窗口尺寸划分的正差序列的平均尺寸。

7.根据权利要求4所述的方法，其中，所述选择过程反复地合并最接近相邻样本，并且其中，通过计算所述统计和平滑轨迹特征的平均值来进行所述样本的合并。