Dive into Time-Series Anomaly Detection: A Decade Review

本文是LLM系列文章，针对《Dive into Time-Series Anomaly Detection: A Decade Review》的翻译。

摘要

数据收集技术的最新进展，伴随着流数据量和速度的不断增长，突显了对时间序列分析的迫切需求。在这方面，时间序列异常检测一直是一项重要活动，在网络安全、金融市场、执法和医疗保健等领域都有各种应用。虽然传统的异常检测文献主要集中在统计指标上，但近年来越来越多的机器学习算法要求对时间序列异常检测的研究方法进行结构化、通用的表征。本调查在时间序列背景下，对以流程为中心的分类下的异常检测现有解决方案进行了分组和总结。除了对异常检测方法进行原始分类外，我们还对文献进行了元分析，并概述了时间序列异常检测研究的一般趋势。

1 引言

2 时间序列异常检测概述

3 异常检测分类

4 综述组织

5 时间序列符号

6 基于距离的方法

7 基于密度的方法

8 基于预测的方法

9 方法随时间的演变：元分析

10 评估异常检测

11 结论

在这项调查中，我们研究了时间序列中的异常检测问题。我们首先定义了时间序列类型、异常类型和异常检测方法的分类。我们将这些方法分为多个以流程为中心的类别。然后，我们详细描述了