3、基于高斯过程核搜索的异常检测与起重机系统组件依赖分析

基于高斯过程核搜索的异常检测与起重机系统组件依赖分析

1. 高斯过程核搜索异常检测方法

在异常检测领域，有一种基于高斯过程（GP）核搜索算法结果的方法。该方法可搭配多种距离和亲和度指标运行，以检测给定时间序列中的异常部分。具体操作步骤如下：
1. 数据分割 ：将时间序列数据划分为大小相等的片段。
2. 核搜索 ：通过CKS（Compositional Kernel Search）对每个片段进行独立的核搜索，得到核列表和相应的超参数。
3. 矩阵构建 ：利用这六个指标中的任意一个，使用得到的核和超参数构建用于PIC（Power Iteration Clustering）的亲和矩阵或用于凝聚聚类的距离矩阵。
4. 聚类结果 ：聚类方法的结果会形成两个簇，即异常簇和正常簇。

为了测试该方法的所有可能配置，研究人员将其应用于SIGKDD 2021异常数据集的一个子集，进行了22个周期的实验，并使用ARI（Adjusted Rand Index）评估结果。结果显示，几乎所有配置都能取得成功，但这些成功结果的可重复性不佳。平均而言，表现最佳的配置是使用似然法结合较大片段，以及不进行归一化的PIC，这与PIC原论文的预期不符，值得未来进一步研究。

下面是该方法的流程示意图：

graph LR
    A[时间序列数据] --> B[数据分割为等长片段]
    B --> C[CKS核搜索]
    C --&