[发明专利]一种多视角时间序列异常点集成检测和可视化方法

权利要求书

1.一种多视角时间序列异常点集成检测和可视化方法，其特征在于，包括如下步骤：

步骤一、选择多种数据点异常检测算法分别计算各数据点的异常评分；

步骤二、根据步骤一中得到的各数据点的多个异常评分，以采用的异常检测算法为行、以检测的数据点为列，构建数据点异常评分矩阵；

步骤三、根据设定的特征视角数量G将所述数据点异常评分矩阵分解为两个正交矩阵，再将两个正交矩阵的行与列分别相乘得到G个不同视角下的数据点异常评分矩阵，采用可视化方法实现G个不同视角下的数据点异常评分矩阵的可视化；

步骤四、将步骤三中得到的G个不同视角下的数据点异常评分矩阵进行矩阵相加，得到集成数据点评分矩阵，再采用集成学习方法计算得到各数据点异常评分的集成结果，采用可视化方法实现集成数据点评分矩阵的可视化。

2.根据权利要求1所述的一种多视角时间序列异常点集成检测和可视化方法，其特征在于，所述步骤一中所述选择多种数据点异常检测算法的过程为，根据待检测数据是否为含有多条数据的时间序列数据选择异常检测算法，即，当待检测数据为含有多条数据的时间序列数据时，选择基于马尔科夫链、基于简单时序平均、基于加权移动平均及基于指数平滑的异常检测算法；当待检测数据为单条时间序列数据时，则选择基于回归分析、基于聚类距离、基于ARIMA模型、基于孤立森林及基于统计的异常检测算法。

3.根据权利要求1所述的一种多视角时间序列异常点集成检测和可视化方法，其特征在于，所述步骤三中所述根据设定的特征视角数量G将所述数据点异常评分矩阵分解为两个正交矩阵的过程为：设定公式(1)为目标函数：

其中，H(s,t)为数据点异常评分矩阵H(S*T)中的元素，P_sg为矩阵P(S*G)中第s行g列的元素，Q_gt为矩阵Q(G*T)中第g行t列的元素，为异常评分矩阵H和两个正交矩阵P(S*G)和Q(G*T)之积的KL散度，是异常预测评分的误差；

公式(2)为损失函数：

其中，为损失函数，为正则化项；

基于设定的目标函数和损失函数，采用梯度下降法，计算得到正交矩阵P(S*G)和Q(G*T)。

4.根据权利要求1所述的一种多视角时间序列异常点集成检测和可视化方法，其特征在于，所述集成学习方法为投票法。

5.根据权利要求1所述的一种多视角时间序列异常点集成检测和可视化方法，其特征在于，所述可视化方法为热力图或时序图可视化方法。