Evaluation Strategy of Time-series Anomaly Detection with Decay Function
引入衰减函数的时间序列异常检测评价策略AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般时间序列异常检测的评价协议，未提供宏观结构变化、经济预测或金融风险应用的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
引入衰减函数的时间序列异常检测评价策略
- 研究问题
- 研究现有点调整评价协议为何可能高估异常检测表现，以及如何让评价同时反映异常片段发现、检测及时性与误报情况。
- 方法与思路
- 作者提出加入衰减函数的点调整协议 PAdf，以检测速度和准确性为评价要求，通过理论分析、实验及基准模型重新评价考察其表现。
- 材料陈述的贡献
- 摘要称，PAdf 可缓解既有协议的高估与低估问题；基准重评显示，其分数除异常片段发现外，也考虑检测是否及时。
- 阅读关注点
- 应核对衰减函数、误报惩罚及异常片段划分的定义，并检查所谓评价偏差的参照标准、参数敏感性和基准重评的一致性。
- 阅读边界
- 所据版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出协议公式或实验数值，不能据此确认其适用于所有异常任务。
原文摘要
Recent algorithms of time-series anomaly detection have been evaluated by applying a Point Adjustment (PA) protocol. However, the PA protocol has a problem of overestimating the performance of the detection algorithms because it only depends on the number of detected abnormal segments and their size. We propose a novel evaluation protocol called the Point-Adjusted protocol with decay function (PAdf) to evaluate the time-series anomaly detection algorithm by reflecting the following ideal requirements: detect anomalies quickly and accurately without false alarms. This paper theoretically and experimentally shows that the PAdf protocol solves the over- and under-estimation problems of existing protocols such as PA and PA\%K. By conducting re-evaluations of SOTA models in benchmark datasets, we show that the PA protocol only focuses on finding many anomalous segments, whereas the score of the PAdf protocol considers not only finding many segments but also detecting anomalies quickly without delay.