350 руб
Журнал «Радиотехника» №6 за 2015 г.
Статья в номере:
Алгоритм поиска и удаления аномалий временных рядов на основе применения кластеризации
Ключевые слова: аномалия временные ряды прогнозирование кластеризация
Авторы:
Т.В. Афанасьева - д.т.н., профессор, кафедра «Информационные системы», Ульяновский государственный технический университет. E-mail: tv.afanasjeva@gmail.com Д.В. Заварзин - аспирант, кафедра «Информационные системы», Ульяновский государственный технический университет. E-mail: ivan.sibirev@yandex.ru И.В. Сибирев - аспирант, кафедра «Информационные системы», Ульяновский государственный технический университет. E-mail: dzavarzin91@gmail.com
Аннотация:
Описан новый алгоритм поиска и удаления аномалий временных рядов с применением центроидного метода кластеризации. Введен дополнительный эвристический критерий для выбора аномальных значений временного ряда. Конечной целью кластеризации являлась дальнейшая аналитическая обработка временных рядов методами прогнозирования.
Страницы: 59-62
Список источников

 

  1. Deepthi Cheboli. Anomaly Detection of Time Series // Facility Of The Graduate School Of The University Of Minnesota. Электронный ресурс. 2010. 75 c. URL: http://conservancy.umn.edu/bitstream/11299/92985/1/Cheboli_Deepthi_May2010.pdf (дата обращения: 24.02.2015).
  2. Ярушкина Н.Г., Афанасьева Т.В., Перфильева И.Г. Интеллектуальный анализ временных рядов. Учеб. пособие. М. 2012. Сер. Высшее образование.
  3. Маккафри Д. Обнаружение аномальных данных методом k‑средних // Журнал MSDNMagazine. 2013. № 2. URL: http://msdn.microsoft.com/ru-ru/magazine/jj891054.aspx (дата обращения: 18.02.2015).
  4. Munz G., Traffic Anomaly Detection Using K‑Means Clustering / Computer Networks and Internet. GI/ITG-Workshop MMBnet. 2007. URL: http://www.net.in.tum.de/fileadmin/TUM/members/muenz/documents/muenz07k-means.pdf (датаобращения: 11.03.2015).
  5. Барсегян А.А. Методы и модели анализа данных: OLAP и DataMining. СПб.:БХВ-Петербург. 2004. С. 158−163.
  6. Афанасьева Т.В., Заварзин Д.В. Алгоритм поиска аномалий в процессах на основе нечетких тенденций временных рядов // Труды XIV национальной конф. по искусственному интеллекту с междунар. участием КИИ-2014. 24−27 сентября 2014 г. г. Казань. Россия. Казань: Изд‑во РИЦ «Школа». 2014. Т. 3. С. 5−12.
  7. Begum N., Keogh E. Rare Pattern Discovery from Time Series // Int\'l Conference on Very Large Databases (VLDB). 2015. URL: http://www.vldb.org/pvldb/vol8/p149-begum.pdf (дата обращения: 16.03.2015).