用于异常检测的最大散度区间
机器学习
2016-10-24 v1 机器学习
摘要
我们提出了多元时间序列批量异常检测的新方法。我们的方法基于最大化时间序列某区间内外数据分布之间的 Kullback-Leibler 散度。实证分析表明，与独立处理每个时间步且未针对所有可能区间进行优化的方法相比，我们的算法具有优势。
引用
@article{arxiv.1610.06761,
title = {Maximally Divergent Intervals for Anomaly Detection},
author = {Erik Rodner and Björn Barz and Yanira Guanche and Milan Flach and Miguel Mahecha and Paul Bodesheim and Markus Reichstein and Joachim Denzler},
journal= {arXiv preprint arXiv:1610.06761},
year = {2016}
}
备注
ICML Workshop on Anomaly Detection