多变量时间序列例外模式的识别

多变量时间序列(MTS)在金融、医学、科学、工程等领域是非常普遍的.本文提出一种在 MTS 中识别异常模式的方法.采用自底向上的分割算法将 MTS 分割成互不重叠的子序列,使用扩展的 Frobenius 范数来计算2个MTS 子序列之间的相似性,通过 K-均值聚类将 MTS 子序列分为若干个类.根据异常模式的定义,从这若干个类中识别出异常模式.在2个实际数据集上进行实验,实验结果验证算法的有效性.