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