一种时序数据离群点检测方法

摘要

本发明公开了一种时序数据离群点检测方法，包括以下步骤：将训练数据集中的时序数据按星期一到星期日划分进行聚类；使用每次聚类结果中最大的簇构建时序数据在星期粒度下的数据分布模型；根据所述数据分布模型，找出训练数据集中所有的异常值，分别求出各个时段的数据分布模型；查找符合各个时段的数据分布模型的异常值中，是否存在以大于星期粒度的时间粒度为周期发生的周期事件，如果存在，将其记录下来，作为一类特殊周期模式；判断测试数据集中的时序数据是否符合星期模式，如果符合，则判定该时序数据为非离群点；否则，判断该时序数据是否符合特殊周期模式，如果符合，则判定该时序数据为非离群点，否则判定该时序数据为离群点。

主权项

一种时序数据离群点检测方法，其特征在于，包括以下步骤：步骤(1)将训练数据集中的时序数据按星期一到星期日划分，利用K‑means算法对按天划分的时序数据分别进行聚类，每聚类一次得到一组簇，每个时序数据表示一个时间对应的一个事件；步骤(2)进行迭代，使用每次聚类结果中最大的簇构建时序数据在星期粒度下的数据分布模型；步骤(3)根据所述数据分布模型，找出训练数据集中所有的异常值，将所述异常值按照同月同日划分，将每日按照小时划分为各个时段，并分别求出各个时段的数据分布模型；步骤(4)查找符合各个时段的数据分布模型的异常值中，是否存在以大于星期粒度的时间粒度为周期发生的周期事件，如果存在，将其记录下来，作为一类特殊周期模式；步骤(5)判断测试数据集中的时序数据是否符合星期模式，如果符合，则判定该时序数据为非离群点；否则，判断该时序数据是否符合特殊周期模式，如果符合，则判定该时序数据为非离群点，否则判定该时序数据为离群点。