Co-Flex:一种时序关联的方法

论文地址:

https://netman.aiops.org/wp-content/uploads/2019/05/CoFlux_camera-ready1.pdf

主要思想:
使用cross-correlation对两个序列进行相关度计算,|相关度|的绝对值越大那么关联性越大;

在对两个序列进行相关度计算的时候,文章采用了一种变换

1
预测值 - 实际值 = 残差

使得对实际值的相关度计算,变换成了对残差的相关度计算;

然而经过这种变换后,主要问题变成了如何能比较准确的获得预测值,在这个问题上,文章采用了一种类似散弹枪的做法,文中采用了7种模型/86种模型和参数的搭配,然后对这86种搭配分别计算相关度,找到相似度绝对值最大一个组合,计算量是86*86,以此作为两个序列的相关度;

在其中还利用相关度的正负得到相关度的正负,以及相关度的shift来得到序列的前序和后继关系;

需要注意的一点是文中对噪声的处理,采用了一种变换

alpha取值0.5 beta取值10,x是序列的实际值,经过变换之后,异常的点会越来越异常,而噪声反而影响不大

可取之处

  1. 对噪声的变换方法
  2. 采用散弹枪这种思想,避免了对参数的精确求解

存在的问题

  1. 使用组合中最大的值作为两个序列的相关系数,会有潜在的false positive(负类被判定为正类)问题