单变量时间序列中基于鲁棒投影的异常提取（RPE）
机器学习
2022-06-01 v1 人工智能
机器学习
摘要
本文提出一种新颖的、闭式且数据与计算高效的在线异常检测算法，用于时间序列数据。所提方法称为 RPE，是一种基于窗口的方法，与现有基于窗口的方法截然不同，它对窗口内异常的存在具有鲁棒性，且能在时间戳级别区分异常。RPE 利用时间序列轨迹矩阵的线性结构，并采用鲁棒投影步骤，使算法能够处理窗口内多个任意大异常的存在。我们给出了鲁棒投影步骤的闭式/非迭代算法，并证明其能够识别被污染的时间戳。RPE 非常适用于无法获得大量训练数据的应用场景，而这正是时间序列领域的常见情形。大量数值实验表明，RPE 能以显著优势超越现有方法。
引用
@article{arxiv.2205.15548,
title = {Robust Projection based Anomaly Extraction (RPE) in Univariate Time-Series},
author = {Mostafa Rahmani and Anoop Deoras and Laurent Callot},
journal= {arXiv preprint arXiv:2205.15548},
year = {2022}
}