oddstream:数据流中的异常检测
我们提出了一个框架,为早期检测大量流式时间序列数据中的异常序列。根据定义,异常与系统的典型行为相比是罕见的。我们将异常定义为考虑到预测分布,可能性很小。该算法首先预测使用系统典型行为的代表性样本的系统典型行为。安该边界预测过程采用了基于极值理论的方法。然后是滑动窗口用于测试新到达的序列集合中的异常序列。功能基于时间序列的表示被用作模型的输入。为了应对概念漂移,系统的典型行为的预测边界被周期性地更新。更多详细信息关于算法,可以在Talagala,P.D.,Hyndman,R.J.,Smith-Miles,K.等人中找到。(2019) <doi:10.1080/10618600.2019.1617160>.
版本: |
0.5.0 |
取决于: |
R(≥3.4.0) |
进口: |
pcaPP公司,统计,ggplot2,千平方公里,MASS(质量),Rcpp辊,mgcv公司,力矩,R彩色啤酒,mvts图,易怒的,重塑,数字播放器、图形、,第三年,内核实验室,马格里特 |
建议: |
测试那个,潮韵诗 |
出版: |
2019-12-16 |
内政部: |
10.32614/CRAN.包装.oddstream |
作者: |
Priyanga Dilini Talagala【aut,cre】,Rob J.Hyndman[ths],凯特·史密斯-迈尔斯 |
维护人员: |
普里扬加·迪利尼·塔拉加拉(Priyanga Dilini Talagala) |
错误报告: |
https://github.com/pridiltal/oddstream/issues网站 |
许可证: |
GPL-3公司 |
需要编译: |
不 |
CRAN检查: |
oddstream结果 |
文档:
下载内容:
链接:
请使用规范形式https://CRAN.R-project.org/package=oddstream链接到此页面。