0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

关于6种时序异常检测浅析

新机器视觉 来源:Coggle数据科学 作者:Datawhale 2021-04-22 10:09 次阅读

时序异常检测并不困难,如果你找对方法则可以在今年KDD比赛中获取比较好的成绩。本文将使用tsod库完成简单的异常检测。

c3d59eba-a29b-11eb-aece-12bb97331649.png

tsod介绍tsod可以完成时序数据的异常检测,是一个比较新的库,但使用起来非常方便。

区间异常检测如果我们能提前确定好指标的范围,则可以依次进行判定异常。

最小值与最大值

rd = tsod.RangeDetector(min_value=0.01, max_value=2.0)

res = rd.detect(series)

series[res]

将识别结果进行展示:

c3efd528-a29b-11eb-aece-12bb97331649.png

常数波动检测

cd = tsod.ConstantValueDetector()

res = cd.detect(series)

series[res]

将识别结果进行展示:

c42857ae-a29b-11eb-aece-12bb97331649.png

范围+常数组合检测

combined = tsod.CombinedDetector([tsod.RangeDetector(max_value=2.0),

tsod.ConstantValueDetector()])

res = combined.detect(series)

series[res]

将识别结果进行展示:

c451a2c6-a29b-11eb-aece-12bb97331649.png

梯度固定检测

cgd = tsod.ConstantGradientDetector()

res = cgd.detect(series)

将识别结果进行展示:

c4a01d5c-a29b-11eb-aece-12bb97331649.png

滚动聚合加方差检测

rsd = tsod.RollingStandardDeviationDetector(window_size=10, center=True)

rsd.fit(normal_data)

将识别结果进行展示:

c4e36efe-a29b-11eb-aece-12bb97331649.png

一阶差分检测

drd = tsod.DiffDetector()

drd.fit(normal_data)

将识别结果进行展示:

c5095d3a-a29b-11eb-aece-12bb97331649.png

编辑:lyn

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 异常检测
    +关注

    关注

    1

    文章

    41

    浏览量

    9703

原文标题:6种时序异常检测思路总结!

文章出处:【微信号:vision263com,微信公众号:新机器视觉】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    时序逻辑电路的五描述方法

    时序逻辑电路是数字电路中的一 重要类型,它具有存储和处理信息的能力。 时序逻辑电路的描述方法有很多种,不同的方法适用于不同的设计和分析场景。以下是五 常见的
    的头像 发表于08-28 11:39 125次阅读

    电源时序器的原理及使用方法是什么

    电源 时序器是一 用于控制多个电源设备按照一定顺序开启或关闭的电子设备。它广泛应用于音响、舞台灯光、电视广播、工业自动化等领域。本文将介绍电源 时序器的原理及使用方法。 一、电源 时序器的原
    的头像 发表于07-08 14:16 784次阅读

    COD检测仪响应水质异常的速度?

      【JD-LSZ05】山东竞道光电持续更新中....COD(化学需氧量) 检测仪在响应水质 异常方面的速度是确保水体污染控制和环境保护的重要指标之一。COD 检测仪的响应速度受多种因素影响,需要在多个
    的头像 发表于05-09 16:08 161次阅读

    工业异常检测超越特定阈值限制的解决方案

    异常 检测和分割(AD&S)对于工业质量控制至关重要。虽然现有方法在为每个像素生成 异常分数方面表现出色,但实际应用需要产生一个二进制分割来识别 异常
    发表于04-09 10:44 318次阅读
    工业<b class='flag-5'>异常</b><b class='flag-5'>检测</b>超越特定阈值限制的解决方案

    时序电路的分类时序电路的基本单元电路有哪些

    时序电路是一 能够按照特定的顺序进行操作的电路。它以时钟信号为基准,根据输入信号的状态和过去的状态来确定输出信号的状态。 时序电路广泛应用于计算机、通信系统、数字信号处理等领域。根据不同的分类标准
    的头像 发表于02-06 11:25 1997次阅读

    晶振输出频率异常怎么办?

    时序错误或功能 异常。该问题的出现可能源自多种原因,包括晶振本身质量问题、电路设计问题、外界干扰等。本文将从以下几个方面详细介绍晶振输出频率 异常问题的原因和解决方法。 一、晶振原理及其工作方式 晶振是一
    的头像 发表于01-24 16:11 595次阅读

    基于DiAD扩散模型的多类异常检测工作

    现有的基于计算机视觉的工业 异常 检测技术包括基于特征的、基于重构的和基于合成的技术。最近,扩散模型因其强大的生成能力而闻名,因此本文作者希望通过扩散模型将 异常区域重构成正常。
    的头像 发表于01-08 14:55 804次阅读
    基于DiAD扩散模型的多类<b class='flag-5'>异常</b><b class='flag-5'>检测</b>工作

    AD7656输出数据及时序异常是什么原因?

    目前采用AD7656并行模式。在使用过程中发现AD7656采集一段时间后会有 异常值出现(0xFEFF,0x4000等)。观察AD芯片的rd_en(紫色)、convst(黄色,A、B、C 时序相同)、busy(蓝色)信号如图所示。busy信号有在读过程中拉高的现象,不知是什么
    发表于12-14 06:02

    基于transformer和自监督学习的路面异常检测方法分享

    铺设 异常 检测可以帮助减少数据存储、传输、标记和处理的压力。本论文描述了一 基于Transformer和自监督学习的新方法,有助于定位 异常区域。
    的头像 发表于12-06 14:57 1127次阅读
    基于transformer和自监督学习的路面<b class='flag-5'>异常</b><b class='flag-5'>检测</b>方法分享

    【AIOps】一全新的日志异常检测评估框架:LightAD,相关成果已被软工顶会ICSE 2024录用

    深度学习(DL)虽然在日志 异常 检测中得到了不少应用,但在实际轻量级运维模型选择中,必须仔细考虑 异常 检测方法与计算成本的关系。具体来说,尽管深度学习方法在日志
    的头像 发表于11-29 17:40 493次阅读

    基于电流源基准型LDO的放大器供电时序电路的应用

    基于电流源基准型LDO的放大器供电 时序电路的应用
    的头像 发表于11-23 09:04 521次阅读
    一<b class='flag-5'>种</b>基于电流源基准型LDO的放大器供电<b class='flag-5'>时序</b>电路的应用

    哈工大提出Myriad:利用视觉专家进行工业异常检测的大型多模态模型

    最近,大型多模态(即视觉和语言)模型(LMM)在图像描述、视觉理解、视觉推理等多种视觉任务上表现出了卓越的感知能力,使其成为更易于理解的 异常 检测的有竞争力的潜在选择。然而,现有的通用 LMM 中缺乏有关 异常
    的头像 发表于11-21 16:08 1211次阅读
    哈工大提出Myriad:利用视觉专家进行工业<b class='flag-5'>异常</b><b class='flag-5'>检测</b>的大型多模态模型

    宽带接入主要技术浅析

    德赢Vwin官网 网站提供《五 宽带接入主要技术 浅析.pdf》资料免费下载
    发表于11-10 14:48 0次下载
    五<b class='flag-5'>种</b>宽带接入主要技术<b class='flag-5'>浅析</b>

    STM32G0B1看似无法唤醒的一异常现象分析

    看似无法唤醒的一 异常现象分析
    的头像 发表于10-25 17:09 1211次阅读
    STM32G0B1看似无法唤醒的一<b class='flag-5'>种</b><b class='flag-5'>异常</b>现象分析

    基于NanoEdgeAI的异常检测方案

    NanoEdge AI Studio自动创建基于三轴加速度传感器信号的AI模型,并快速部署到ST SensorTile.box开发板上,进行 异常 检测
    发表于09-07 06:27