数据与知识结合的多元工业数据异常解释探索
数据库
2021-01-06 v1
摘要
对物联网(IoT)数据高性能异常检测技术的需求日益迫切,尤其在工业领域。时间序列数据中的异常识别与解释是物联网数据挖掘的一项基本任务。由于现有异常检测技术侧重于异常识别,异常解释问题尚未得到很好解决。本文针对多元物联网数据的异常解释问题,提出了一种三步自包含方法。我们在方法中形式化并利用领域知识,通过约束违反来识别异常。我们提出基于集合覆盖的异常解释算法,以发现由违反特征所反映的异常事件,并进一步开发知识更新算法来改进原始知识集。在来自大规模物联网系统的真实数据集上的实验结果验证了我们的方法能够计算出高质量的异常解释方案。我们的工作为物联网故障诊断与时间数据清洗中的可解释异常检测提供了指导。
引用
@article{arxiv.2101.01363,
title = {Exploring Data and Knowledge combined Anomaly Explanation of Multivariate Industrial Data},
author = {Xiaoou Ding and Hongzhi Wang and Chen Wang and Zijue Li and Zheng Liang},
journal= {arXiv preprint arXiv:2101.01363},
year = {2021}
}