《表2 4种方法在不同数据集上的执行时间/s》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Isolation Forest和Random Forest相结合的智能电网时间序列数据异常检测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证时间序列数据异常检测算法性能，以秒为计量单位，本文选取某电网2019年2月份CPU使用率、进程数、内存使用率、磁盘使用率、磁盘读流量、磁盘写流量、线程总数、非堆内存使用量和堆内存使用量9个数据集进行对比。CPU使用率数据集样本个数是10000，进程数数据集样本个数是8779，内存使用率数据集样本个数是7862，磁盘使用率数据集样本个数是9265，磁盘读流量数据集样本个数是8730，磁盘写流量数据集样本个数是9124，线程总数数据集样本个数是9309，非堆内存使用量数据集样本个数是9872，堆内存使用量数据集样本个数是8029。文献[4]的异常检查方法用Statistics算法表示，文献[5]的异常检测方法用Frequency算法表示，文献[6]的异常检测方法用SA-iForest算法表示，本文的算法用IForest and RForest算法表示。通过表2可以看出Statistics算法执行时间较短，Frequency算法执行时间较长，IForest and RForest算法执行效率略低于SA-iForest算法。