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 --&