Time-series Anomaly Detection based on Difference Subspace between Signal Subspaces

要約

タイトル：信号部分空間の差分部分空間に基づく時系列異常検出

要約：

– SSA（特異スペクトル解析）の概念を取り入れた新しい方法で、時系列データの異常検出を提案する。
– 過去と現在の時系列データに対応する2つの信号部分空間の差分部分空間の微小な時間的変化を異常スコアとして監視することが、キーのアイデアである。
– 従来のSSAベースの方法では、2つの信号部分空間の最小角度を変化の程度として測定するが、最小角度を差分部分空間に置き換えることで、方法のパフォーマンスを向上させ、2つの部分空間の全構造的な差異をマグニチュードと方向で捕捉できる。
– 公開されている時系列データセットでのパフォーマンス評価によって、提案手法の有効性を示す。

要約(オリジナル)

This paper proposes a new method for anomaly detection in time-series data by incorporating the concept of difference subspace into the singular spectrum analysis (SSA). The key idea is to monitor slight temporal variations of the difference subspace between two signal subspaces corresponding to the past and present time-series data, as anomaly score. It is a natural generalization of the conventional SSA-based method which measures the minimum angle between the two signal subspaces as the degree of changes. By replacing the minimum angle with the difference subspace, our method boosts the performance while using the SSA-based framework as it can capture the whole structural difference between the two subspaces in its magnitude and direction. We demonstrate our method’s effectiveness through performance evaluations on public time-series datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI