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。