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

要約

【タイトル】信号サブスペース間の差分サブスペースに基づく時系列異常検知
【要約】本論文では、異常検知のための新しい方法を提案します。この方法は、特異スペクトル解析（SSA）に差分サブスペースの概念を組み込むことにより、時系列データの異常を検出します。キーとなるアイデアは、過去と現在の時系列データに対応する2つの信号サブスペース間の微小な時間変化を、異常スコアとして監視することです。これは、変化の程度を最小角度で測定する従来のSSAベースの方法の自然な一般化です。最小角度を差分サブスペースに置き換えることにより、我々の方法はSSAベースのフレームワークを使用しながら性能を向上させることができます。我々の方法は、2つのサブスペース間の全体的な構造的な差とその方向を捉えることができるためです。我々は、公共の時系列データセットでのパフォーマンス評価によって、我々の方法の有効性を示しています。

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