矩阵剖面用于时间序列异常检测：TSB-AD上的可复现开源基准测试
机器学习
2026-04-28 v3
摘要
矩阵剖面（MP）方法是一类可解释且可扩展的基于距离的时序异常检测方法，但强劲的基准性能仍然依赖于超越基础最近邻剖面的设计选择。本技术报告记录了一个名为矩阵剖面异常检测（MMPAD）的开源系统提交至TSB-AD基准测试，该基准覆盖单变量和多变量时间序列。所提交系统结合了预排序多维聚合、高效的排除区感知k近邻（kNN）检索用于重复异常检测，以及移动平均后处理。为提供基于MP的异常检测在TSB-AD上的可复现参考，我们详细说明了发布的实现、单变量和多变量赛道的超参数设置以及相应的基准测试结果。我们进一步分析了该系统在总体排行榜上的表现以及在特定数据集特征上的表现。开源实现可在 https://github.com/mcyeh/mmpad_tsb 获取。
引用
@article{arxiv.2604.02445,
title = {Matrix Profile for Time-Series Anomaly Detection: A Reproducible Open-Source Benchmark on TSB-AD},
author = {Chin-Chia Michael Yeh},
journal= {arXiv preprint arXiv:2604.02445},
year = {2026}
}
备注
https://github.com/mcyeh/mmpad_tsb