ADAD：基于自适应序列分解的多变量时间序列异常检测

研究提出自适应分解的多变量时间序列异常检测算法 ADAD，在频域将序列分解建模为频谱分割问题，为每条序列动态学习变量专属的分割点，使趋势与季节分量同时反映变量特异性和时间特异性。该方法在模式挖掘中引入跨分量连接，以一个分量学到的模式指导另一分量的学习。在公开基准上，ADAD 性能优于当前最先进方法。