Phát hiện bất thường trên chuỗi thời gian dạng luồng: Một giải thuật dựa vào phân đoạn

Abstract

— Phát hiện chuỗi con bất thường trên chuỗi thời gian dạng luồng là một vấn đề quan trọng nhưng chưa được giải quyết đúng mức. Trong bài báo này, chúng tôi đề xuất một cách tiếp cận mới kết hợp phân đoạn và gom cụm để phát hiện bất thường trên chuỗi thời gian dạng luồng. Khi phân đoạn, phương pháp điểm cực trị quan trọng được dùng để rút trích các chuỗi con từ một chuỗi thời gian. Khi gom cụm, một giải thuật gom cụm gia tăng được sử dụng để gom cụm các chuỗi con đã được rút trích. Một phân đoạn cục bộ của chuỗi thời gian dạng luồng sẽ được lưu trong một bộ đệm xoay vòng, từ đấy các hệ số bất thường của các chuỗi con sẽ được tính một cách hữu hiệu. Ngoài ra, phương pháp đề xuất còn áp dụng chiến lược cập nhật trì hoãn để xử lý dữ liệu chuỗi thời gian dạng luồng một cách hợp lý hơn. Kết quả thực nghiệm trên sáu bộ dữ liệu mẫu cho thấy phương pháp đề xuất hữu hiệu hơn rất nhiều khi so với giải thuật BFHS, một phiên bản mở rộng của giải thuật HOT SAX, trong khi các chuỗi con bất thường được phát hiện bởi cả hai phương pháp này thì giống hệt nhau khi thực nghiệm trên các bộ dữ liệu mẫu.