【ECML-PKDD 2019】多维时间序列和事件日志的模式挖掘和异常检测框架（A framework for pattern mining and anomalydetection in multi-dimensional time series andevent logs）

主题： A framework for pattern mining and anomalydetection in multi-dimensional time series andevent logs

摘要： 目前，传感器数据和文本日志是由许多设备生成的。分析这些时间序列数据，可以发现有趣的模式和异常。近年来，人们开发了许多算法来发现时间序列数据中有趣的模式以及检测异常行为的周期。然而，这些算法在现实环境中的应用具有挑战性。我们提出了一个框架，由通用转换组成，它允许结合最新的时间序列表示、模式挖掘和基于模式的自动检测算法。使用早期或后期集成，我们的框架处理多维连续序列和事件日志的混合。最后，我们提出了一个开源的、轻量级的、交互式的工具，它帮助模式挖掘和领域专家选择算法、指定参数和视觉检查结果，同时屏蔽了实现框架的底层技术复杂性。

作者简介： Vincent Vercruyssen，在鲁汶大学攻读人工智能（专业数据挖掘和机器学习）博士学位。

Boris Cule，Jan De Nul unlimited CoC总工程师。等