贺力克

(湖南工业职业技术学院电气工程系，中国 长沙 410208)

时序数据是一种服从某分布的随机变量，在不同时刻有一个取值，并按照时间发生的顺序排列而成的统计序列．随机变量的分布主要用分布函数参数如均值、方差等来表示．当形成时序数据的一系列随机变量，由于某种条件的变化而不再服从之前的分布，则称该时间序列发生了故障(有文献称之为“变点”、“孤立点”等)．故障点的检测在各个领域得到了广泛的应用．在一个时序数据中，利用已有信息对下一秒是否异常点并给出合理的估计和警报的类型，是现代故障检测和故障容错领域的热点研究问题[1]；采用这种方法也能有效的检测图像中隐藏的信息，检测计算机网络是否收到病毒或者黑客的攻击．基于此类广泛的应用，故障点的检测算法已在统计学界得到了广泛的研究．

目前对时序数据的分析方法主要包括两种类型：数理统计方法和数据挖掘方法[2]．数据统计方法是通过统计学中的模型假设、参数估计、模型检验等手段获取描述时序数据的规律．数据挖掘方法则从时间序列局部特性出发，从大量的、不完备的、有噪声的数据中， 提取隐含在其中的一些规律[3]．早在1995年Nikiforov就提出了异常点检测模型用于检测和避免时间序列中突发的变化[4]．目前学者们已经开发了大量的孤立点检测算法，可以分为三类：基于模型的技术[5]、基于临近度的技术[6]和基于密度的技术．王建……