写在前面：《计算机技术与发展》；陕西省计算机学会；科技核心期刊；月刊
0 封面
1 题目（title）
- 基于知识粒度的时间序列异常检测研究
- 知识粒度，是一个小样本的研究技术
- 时间序列异常检测
2 摘要（abstract）
- 说实话，看完这个摘要，结合《计算机技术与发展》， 我已经对这篇文章不抱任何希望了，就是水论文石锤了。
- 第一句话就不对吧，怎么异常检测多“相似性分析”呢？前几天看的综述里面就有很多方法啊，例如“滑动窗口”、“聚类算法k-means”等等。
- 基于知识粒度，可以减少异常检测时间？有待考量
- “知识粒度在时序异常检测应用较少”，跨领域借鉴。但是最后说明了，“为时序异常检测提供了一种新的思路”，连算法的效率都没提到，纯纯就是水论文吧…
- 【单纯提出自己的看法，没有说水论文不好的意思，毕竟现在搞科研都不容易。我指出水论文的目的在于，①提醒自己这些地方水的太明显了；②强调这是水论文的，可以学习水论文的技巧，但是如果要真正学习做科研的话，提醒自己绕道、】
3 参考文献
- 刚刚看了摘要，为了验证自己的猜想，来看看参考文献。
- 基本上都是七八年前的文章了，感觉作者的阅读量很一般，没有读到最前沿的技术，也也难怪摘要一开头说“相似性搜索是比较常用的技术”，所以说还是要多看些最新的比较有技术含量的好论文啊！
- 作者是不是重点看的[9]和[13]啊？
- 但是不管怎么样，既然能够发表，那么就有可以学习的地方！
4 引言
- 异常检测也称为异常挖掘或离群检测。
- 包括时间序列和非时间序列的检测，非时间序列检测方法有：基于距离的方法、基于统计的方法、基于偏离的方法、基于聚类的方法、基于密度的方法。【恕我直言，这些话我在另一篇论文里找到，陈玉明老师的《基于知识粒度的异常数据挖掘算法》】
- 而时间序列的各数据有着先后顺序、逻辑关系和递推关系，这些都是需要考虑在时间序列的异常检测中的。
- 本文的方法针对时间序列上下文相关异常点检测。
（1）粒计算是一种新的不确定信息处理方法。
（2）粒计算通过粗糙集模型，将论域的划分视作知识，知识粒度则是其重要的度量工具。（没看懂，直接放图吧）
- 总而言之，输入的属性越多，知识粒度越小
5 知识粒度
- 每一个等价类可以看做是一个知识粒
- 知识粒越小，区分知识的能力则越强
6 结语
看不下去了，不看了