图形处理器上高性能时间序列异常发现
分布式、并行与集群计算
2023-04-05 v1
摘要
当前，发现时间序列中的子序列异常仍是最热门的研究问题之一。子序列异常是指在时间上连续的点 collectively 异常，尽管其中每个点未必是离群点。在大量发现子序列异常的方法中，discord 概念被认为是最佳之一。时间序列 discord 直观定义为给定长度、与其非重叠最近邻距离最大的子序列。最近提出的 MERLIN 算法可发现指定范围内所有可能长度的时间序列 discord，从而消除了发现 discord 甚至设置该唯一参数的需要。然而，MERLIN 是串行的，其并行化可提升 discord 发现性能。本文中，我们引入一种用于 GPU 的新并行化方案，称为 PALMAD（Parallel Arbitrary Length MERLIN-based Anomaly Discovery，基于 MERLIN 的并行任意长度异常发现）。与其串行前身不同，PALMAD 采用我们推导的递推公式以避免冗余计算，并采用高级数据结构以高效实现并行处理。在真实与合成时间序列上的实验评估表明，我们的算法优于并行同类方法。我们还应用 PALMAD 发现真实时间序列中的异常，并采用我们提出的 discord 热力图技术来展示结果。
引用
@article{arxiv.2304.01660,
title = {High-performance Time Series Anomaly Discovery on Graphics Processors},
author = {Mikhail Zymbler and Yana Kraeva},
journal= {arXiv preprint arXiv:2304.01660},
year = {2023}
}