通过多元时间序列划分进行异常检测
机器学习
2025-10-01 v1 信号处理
机器学习
摘要
在本文中，我们提出了一种用于多元时间序列异常检测的新型无监督划分方法，称为 PARADISE。该方法在确保变量间关系保持不变的同时，对时间序列的变量创建划分。该划分依赖于变量间多重相关系数的聚类，以识别变量的子集，然后在这些子集上局部执行异常检测算法。通过对来自文献的合成数据集和真实数据集进行多次实验，我们展示了我们方法的有效性及其在异常检测性能上的显著提升。
引用
@article{arxiv.2509.25215,
title = {Anomaly detection by partitioning of multi-variate time series},
author = {Pierre Lotte and André Péninou and Olivier Teste},
journal= {arXiv preprint arXiv:2509.25215},
year = {2025}
}
备注
in French language