[发明专利]方差变点检测方法和系统及计算机可读存储介质

说明书

本公开提供一种方差变点检测方法和系统及计算机可读存储介质。本公开提供了基于统计平稳性的基线假设来检测目标时间序列的方差变点。目标时间序列信号被建模为包括趋势分量信号和残余分量信号。针对目标信号，优化至少包括差罚函数和至少一个正则化项的信号代价函数，以输出该目标信号的趋势分量信号。针对残余分量信号，优化至少包括差罚函数和至少一个正则化项的信号代价函数，以输出该残余分量信号的估计方差。可以通过应用增广拉格朗日算子来优化这两个代价函数。基于估计方差的累计和来计算中心化的累积和。对中心化的累积和进行分段，以产生该中心化的累积和的方差变点。相比于现有方法，这样的方法可以提供改善的性能。

技术领域

本公开涉及一种方差变点检测方法和系统，以及一种计算机可读存储介质。

背景技术

变点检测是时间序列数据统计分析的一个方面。可以在时间上观察与事件、现象、测量等有关的时间序列数据。从时间序列数据中观察到的变量的值可以在时间上变化；然而，这种变化可以指示在时间上的趋势变化，或者可以仅指示异常值。本领域技术人员已知的各种概率分布描述了时间序列数据中的变量值预期(expect)如何随着时间的流逝而分布。通过观察这些概率分布的变化，可以更容易地识别时间序列数据中的变点。

在变点检测的方法中，也可以在时间上计算和观察统计置信度的度量(诸如标准偏差)。方差变点检测是一种变点检测方法，其中，在时间上观察基于标准偏差计算的方差。这样的方法试图观察方差(统计置信度的度量)在时间上的变化作为在时间上观察到发生趋势变点的指示。给定具有随机值(预期该随机值将沿着特定概率分布(这种分布通常称为“先验”)下降)的时间序列数据的趋势，可以通过建立的统计分析方法，基于概率分布来根据标准偏差计算变量在时间上的方差。例如，先验可以是高斯分布(“高斯先验”)。

越来越多地从生成大量数据的上下文(诸如分布式计算、云计算、机器学习、数据中心、金融系统、电子商务交易等)中观察到时间序列数据及其趋势。此外，时间序列数据及其趋势可能是时间敏感的，这意味着对时间敏感趋势的统计分析可能需要足够快才能迅速生成动作或可采取行动的输出。因此，需要提供改善的变点检测，使得在时间上出现变点时可以迅速地对该变点进行检测，从而能够针对变点采取迅速的动作和响应。

发明内容

本公开提供一种方差变点检测方法，所述方差变点检测方法包括以下步骤：针对时间序列的目标信号的残余分量信号，优化方差过滤信号代价函数，以输出所述残余分量信号的估计方差；计算所述残余分量信号的所述估计方差在时间上的集中(center)累计和；以及对所述中心化的累积和进行分段，以产生所述目标信号的一个或更多个方差变点。

本公开还提供一种方差变点检测系统，所述方差变点检测系统包括：一个或更多个处理器；以及储存器(memory)，所述储存器以通信的方式联接至所述一个或更多个处理器，所述储存器存储能够由所述一个或更多个处理器执行的计算机可执行模块，在由所述一个或更多个处理器执行时，所述计算机可执行模块执行关联操作，所述计算机可执行模块包括：方差过滤模块，所述方差过滤模块进一步包括方差过滤代价函数优化模块，所述方差过滤代价函数优化模块被配置为针对时间序列的目标信号的残余分量信号，优化方差过滤信号代价函数，以输出所述残余分量信号的估计方差；以及变点定位模块，所述变点定位模块进一步包括：中心化的累积和计算子模块，所述中心化的累积和计算子模块被配置为计算所述残余分量信号的所述估计方差在时间上的中心化的累积和；以及分段子模块，所述分段子模块被配置为对所述中心化的累积和进行分段，以产生所述目标信号的一个或更多个方差变点。

本公开还提供一种计算机可读存储介质，所述计算机可读存储介质存储有能够由一个或更多个处理器执行的计算机可读指令，在由所述一个或更多个处理器执行时，所述计算机可读指令使所述一个或更多个处理器执行操作，所述操作包括：针对时间序列的目标信号的残余分量信号，优化方差过滤信号代价函数，以输出所述残余分量信号的估计方差；计算所述残余分量信号的所述估计方差在时间上的中心化的累积和；以及对所述中心化的累积和进行分段，以产生所述目标信号的一个或更多个方差变点。

附图说明